本記事では、感情分析のために大規模言語モデル（LLMs）の予測を統合する新しいアプローチであるベイジアンネットワークLLM融合（BNLF）フレームワークを提案しています。従来のLLMsは透明性や説明性に欠け、高度なファインチューニングが必要であるなどの課題を抱えていました。BNLFは、FinBERT、RoBERTa、BERTweetの三つのLLMからの感情予測を確率的に融合することで、これらの問題に対処します。具体的には、複数のLLMからの感情予測をベイジアンネットワークの確率的ノードとしてモデル化し、教師データとして用意された金融コーパスでテストした結果、従来モデルに比べて約6%の精度向上を達成しました。これはデータセットの変動に対しても頑健であることを示しており、解釈可能な感情分類に対する確率的融合の有効性を強調しています。