Con la propagación del ciberacoso en las redes sociales como un tema de tendencia, la detección del ciberacoso se ha convertido en un problema social que preocupa a los investigadores. Desarrollar modelos y sistemas inteligentes ayuda a detectar el ciberacoso de manera automática. Este trabajo se centra en la detección del ciberacoso basada en texto porque es el portador de información más utilizado en las redes sociales y es la característica más empleada en los estudios al respecto. Motivados por el éxito documentado de las redes neuronales, proponemos un modelo completo que combina la unidad recurrente de puerta bidireccional (Bi-GRU) y el mecanismo de autoatención. En detalle, introducimos el diseño de una celda GRU y la ventaja de Bi-GRU para aprender las relaciones subyacentes entre las palabras en ambas direcciones. Además, presentamos el diseño del mecanismo de autoatención y el beneficio de esta unión para lograr un mejor rendimiento en las tareas de clasificación de ciberacoso. El modelo propuesto podría abordar la limitación de los problemas de gradiente que desaparece y explota. Evitamos usar sobre-muestreo o sub-muestreo en los datos experimentales, lo que podría resultar en una sobreestimación de la evaluación. Realizamos una evaluación comparativa en dos conjuntos de datos comúnmente utilizados, y los resultados muestran que nuestro método propuesto superó las líneas base en todas las métricas de evaluación.