感情分析の分野において、従来の離散的な分類手法には限界があることが知られています。特に金融などの応用領域では、単に「ポジティブ」か「ネガティブ」かを判定するだけでなく、その感情がどの程度の強さを持つのかを評価することが重要となります。本研究は、こうした課題に対応するため、感情強度スコアのデータセットを構築し、オープンウェイトの生成型言語モデルをファインチューニングすることで、0～100の連続値を出力するフレームワークを提案しています。 従来の分類ベースアプローチとは異なり、このアプローチは感情強度を連続的な値として扱うことで、より表現力に優れた汎化性の高い枠組みを実現しています。研究チームの実験結果によれば、提案する生成型モデルは従来の分類ベースラインを上回るパフォーマンスを発揮するだけでなく、予想外の汎化能力を示し、感情やアラウザル（覚醒度）といった関連する構成要素への転移学習効果も観察されています。 この研究は、NLPを学際的に再構成する重要な貢献となるものです。感情の識別から評価へと焦点をシフトさせることで、感情コンテンツの度合いが解釈と意思決定の中心となる金融などの領域のニーズに、より適切に対応できるフレームワークを実現しました。感情強度評価という新たなアプローチは、単なる技術的な改善にとどまらず、実務的な応用価値を大きく高めるものとして位置付けられています。