テキスト分類は自然言語処理における基本的なタスクの一つです。最近、深層ニューラルネットワークは浅いモデルと比較して、テキスト分類タスクにおいて有望な性能を達成しています。しかし、深層モデルの重要性にもかかわらず、これらのモデルは主に文章レベルの表現に依存しているため、細かい（単語とクラス間のマッチング信号）分類の手がかりを見落としています。この問題に対処するため、私たちはインタラクションメカニズムを導入し、単語レベルのマッチング信号をテキスト分類タスクに組み込む方法を提案します。特に、このインタラクションメカニズムを搭載した新しいフレームワークであるEXplicit interAction Model（以下、EXAMと呼びます）を設計しました。私たちは提案手法を複数のベンチマークデータセットで検証しました。これらには多ラベルおよび多クラスのテキスト分類タスクが含まれています。広範な実験結果により、提案手法の優位性が示されました。副産物として、他の研究者たちが利用できるようにコードとパラメータ設定を公開しています。