互联网中的文本数据呈现爆炸性增长，其中蕴含着巨大的商业和科研价值，由此文本分类技术得到广泛关注。文本表示和文本特征提取是自然语言的基础工作，直接影响文本分类的性能。针对卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆(LSTM)获取文本特征存在丢失、梯度爆炸、长期依赖等问题。提出了融合LSTM和注意力(attention)机制的新闻文本分类模型，在LSTM网络基础上引入注意力机制。加强每一层特征之间的传递，更好捕捉上下文之间的关系，为不同语句生成不同的权重。采用2个数据集验证，都取得良好的分类效果。