私たちは、テキスト分類のための新しい深層ニューラルネットワークモデルとその学習スキームを提案します。私たちのモデルであるシーケンス・トゥ・コンボリューション・ニューラルネットワーク（Seq2CNN）は、2つのブロックから構成されています：入力テキストを要約するシーケンシャルブロックと、入力の要約を受け取りラベルに分類するコンボリューションブロックです。Seq2CNNは、入力を固定長に前処理することなく、様々な長さのテキストをエンドツーエンドで分類するために訓練されます。また、学習を安定させる逐次重みシフト（GWS）手法についても紹介します。GWSは、当モデルの損失関数に適用されます。私たちは、異なるデータ前処理方法で訓練された単語ベースのTextCNNと当モデルを比較しました。その結果、アンサンブルやデータ拡張なしで、単語ベースのTextCNNよりも大幅な分類精度の向上が得られました。