arXivに新たに公開された論文「感情分類を超えて：テキストにおける感情強度評価のための生成フレームワーク」は、感情モデリングの焦点を感情の「識別」から「評価」へと移す新しいアプローチを提案している。これにより、応用領域における離散分類の限界を克服することを目指す。本論文はFrancesco A. Fabozzi氏ら3名の著者によって執筆され、2026年5月15日に投稿された。全10ページで5つの表を含み、図は含まれていない。計算と言語（cs.CL）に属し、一般経済学（econ.GN）や一般金融（q-fin.GN）などの学際領域にも関連している。
従来の感情分析では、テキストをポジティブ、ネガティブ、中立といった離散的なカテゴリに分類したり、怒り、喜び、悲しみなどの具体的な感情ラベルに細分化したりするのが一般的である。しかし著者らは、多くの応用場面で重要なのは感情がどのカテゴリに属するかではなく、感情表現の強度がどれほど大きいかであると指摘する。たとえば金融領域では、ニュースや決算報告に含まれる感情の色合いがどれほど強いかが、市場の解釈や投資判断に直接影響を与える可能性がある。離散分類ではこの程度の違いを捉えきれないため、研究チームは感情強度を連続値で表現することを提案している。
この目標を実現するため、研究者らは感情強度のスコアを含むデータセットを構築し、オープンウェイトの生成言語モデルを微調整して、0から100までの連続値を直接出力できるようにした。この生成フレームワークは固定されたクラスラベルに依存せず、モデルがテキスト中の感情内容の程度を評価することを学習する。著者らによれば、この枠組みは従来の分類手法よりも表現力と汎化能力に優れている。
実験の結果、この手法は分類ベースラインを上回るだけでなく、予想外の汎化能力を示し、感情（センチメント）や覚醒度（アラウザル）といった関連する構築概念へ知識を転移できることが明らかになった。これは、感情強度評価タスクで獲得された表現能力が、他の関連する感情分析タスクを支援できることを意味する。
論文はさらに、自然言語処理の研究的位置づけを学際的な観点から再検討し、感情強度評価を分類の代替案として提示している。著者らは、この転換が金融などの領域の実際のニーズにより適合すると主張する。これらの領域では、感情の有無やカテゴリだけでなく、感情内容の程度を理解する必要があるからだ。本研究は感情コンピューティングとテキスト分析に新たな方向性を提供し、応用における評価ベースの感情モデリングの価値を強調している。