ニューステキスト分類は自然言語処理における重要なタスクであり、膨大なデジタルコンテンツを整理・フィルタリングするために不可欠です。従来の手法は、単語の重要性を捉えるために統計的特徴（例えば、用語頻度やTF-IDF値）に依存することが多く、文脈の意味を反映するのが難しい場合があります。一方、深層学習はセマンティック特徴を利用して単語の文脈内での使用を理解しますが、単純な統計指標を見落とすことがあります。本論文では、統計的およびセマンティック特徴を統合する注意に基づく特徴融合（AGFF）モデルを提案します。このモデルは、各特徴タイプの相対的重要性を動的に判断する注意メカニズムを応用し、より適切な分類決定を可能にします。ベンチマークニュースデータセットでの評価では、AGFFモデルが従来の統計モデルや純粋なセマンティック深層学習モデルに対して優れた性能を示し、さまざまな特徴タイプを戦略的に統合することで分類精度の向上が実証されました。