近年、SNS の普及に伴い、膨大な量の感情表現が日々テキストとして生成されている。こうした大量データを効率的に扱うため、機械学習、特に大規模言語モデルによる自動分類が広く利用され始めている。しかし、従来の単一モデルは特定感情への偏りやアノテーションノイズの影響を受けやすいという課題があった。本研究では、事前学習済み言語モデルBERTに対し、ネットワーク内部で複数の子学習器を構成するIn-Network Ensemble（INE）を導入し、感情分類性能の向上を図る。注意機構ヘッドの分割などにより多様な表現獲得を促進し、SNS 上の複雑な感情表現に対して、ノイズに強く、少数クラスにも対応可能な感情分類モデルの構築を目的とする。