物語の登場人物に対する出来事の感情誘発を予測することは、通常、標準的なマルチラベル分類タスクとして扱われ、ラベルは匿名的なクラスとして扱われ、ラベル自体が持つ情報を無視する傾向にある。本研究では、感情ラベルの意味構造が入力となる物語の表現におけるモデルの注目度を導く可能性に着目する。さらに、ある出来事が引き起こす感情はしばしば相関関係を持つこと、例えば喜びを引き起こす出来事は同時に悲しみを引き起こすことは稀であることに着目する。本研究では、ラベル埋め込み（label embeddings）を用いてラベルクラスを明示的にモデル化し、訓練および推論の両フェーズでラベル同士の相関関係を追跡する機構を導入する。また、未ラベルデータにおける相関関係を正則化する新しい半教師付き戦略を提案する。実験結果から、ラベルの意味構造をモデル化することで一貫した性能向上が得られ、感情推論タスクにおいて最先端の性能を達成したことが示された。