본 논문은 텍스트 감정 감지에서 기존의 수동 주석 방식의 한계(높은 비용, 주관성, 레이블 불균형, 미세 감정 부족, 감정 강도 미표현)를 극복하기 위해, 모든 레이블과 훈련 세트 레이블 회귀 방법을 제안합니다. 이 방법은 레이블 값을 에너지 강도 수준에 매핑하여 머신 모델의 학습 능력과 레이블 간 상호 의존성을 활용, 샘플 내 다중 감정을 밝힙니다. 이를 기반으로 미세 감정 감지 및 주석을 위한 감정 양자화 네트워크(EQN) 프레임워크를 구축하고, 다양한 모델과의 비교 실험을 통해 NLP 머신러닝 모델에서의 광범위한 적용성을 검증했습니다. GoEmotions 데이터셋에 EQN 프레임워크를 적용하여 자동 미세 감정 주석을 수행하고, 기존 연구와 비교하여 높은 성능을 입증했습니다. EQN 프레임워크는 에너지 수준 점수를 사용한 자동 미세 감정 주석을 최초로 달성하여 감정 감지 분석 및 감정 컴퓨팅의 정량적 연구에 기여합니다.
