既存の音楽感情認識（MER）研究は、非商用データセットの実情との乖離や再現性の欠如という課題を抱えている。本研究では、商用音楽に適したMERパイプラインを提案する。第一に、商業音楽データセットを統合し、約1.4万曲を含む再現可能なデータセット「Melon-Emotion-14k（ME-14k）」を構築した。第二に、DBSCANによりラベルの曖昧性を75%削減した。第三に、マルチモーダル特徴を統合する「QuadFusionNet」を開発した。評価の結果、DEAMにおいてMacro-F1 0.542を達成し、既存手法を上回る性能を示した。