تُعتبر عملية التنبؤ بكيفية تأثير الأحداث على المشاعر التي يشعر بها الشخصيات في القصة عادةً مهمة تصنيف متعددة العلامات، والتي تتعامل عادةً مع العلامات كفئات غير محددة للتنبؤ بها. وتجاهل هذه الطرق المعلومات التي قد تُقدّمها علامات المشاعر نفسها. نقترح أن تُستخدم دلالات علامات المشاعر لتوجيه انتباه النموذج عند تمثيل القصة المدخلة. بالإضافة إلى ذلك، نلاحظ أن المشاعر التي يُثيرها حدث ما غالبًا ما تكون مرتبطة ببعضها: فمن غير المرجح أن يُثير حدث ما مشاعر الفرح ويُثير في الوقت نفسه مشاعر الحزن. في هذا العمل، نُحدِّد فئات العلامات بشكل صريح من خلال تضمينات العلامات (label embeddings)، ونُضيف آليات تتبع الارتباطات بين العلامات أثناء التدريب والاستنتاج. كما نُقدّم استراتيجية جديدة للإشراف شبه التام (semi-supervision) التي تُنظم الارتباطات على البيانات غير المُعلَّمة. تُظهر تقييماتنا التجريبية أن تمثيل دلالات العلامات يُحقّق فوائد متسقة، ونُسجّل تقدّمًا في حالة الفن (state-of-the-art) على مهمة استنتاج المشاعر.