Вестник Волгоградского государственного университета. Серия 2. Языкознание1998-99112409-197910.15688/jvolsu2.2025.1.6OtherАлгоритмические процедуры идентификации рекламных текстов в дискурсивном пространстве средств массовой информацииAlgorithmic Procedures of Identifying Advertisement Texts in Mass Media DiscourseКаменскийМихаил ВасильевичKamenskyMikhailstavdev@mail.ru0000-0001-8358-9516БредихинСергей НиколаевичBredikhinSergeybredichinsergey@yandex.ru0000-0002-2191-4982North-Caucasus Federal University (Stavropol, Russian Federation)Северо-Кавказский федеральный университет (Ставрополь, Российская Федерация)2404202524164781202202421102024https://creativecommons.org/licenses/by/4.0/CC BY 4.0https://l.jvolsu.com/index.php/ru/archive-ru/947-science-journal-of-volsu-linguistics-2025-vol-24-no-1/mezhkulturnaya-kommunikatsiya-i-sopostavitelnoe-izuchenie-yazykov/2907-kamenskij-m-v-bredikhin-s-n-algoritmicheskie-protsedury-identifikatsii-reklamnykh-tekstov-v-diskursivnom-prostranstve-sredstv-massovoj-informatsii

В статье представлен авторский алгоритм идентификации рекламного контента и определения классификационных признаков текстов рекламного / информационного характера в медийном пространстве на основе применения автоматизированных интеллектуальных систем семантико-синтаксического анализа. Для разработки алгоритмов автоматизированной идентификации рекламного текста в среде GATE применены технологии ANNIE Gazetteer, JAPE Transducer и Java Regexp Annotator. Технология ANNIE Gazetteer позволила разработать файлы для автоматизированной идентификации лексико-синтаксических репрезентантов рекламного контента, а также осуществить идентификацию наиболее частотных лексических единиц. С помощью технологии поиска JAPE Transducer реализована алгоритмическая процедура автоматизированной идентификации лексико-синтаксических средств психологического воздействия, отличающих рекламный текст. Идентификация лексических повторов имен собственных реализована с помощью регулярного выражения для анализатора Java Regexp Annotator. Сформирован перечень токенов, выступающих формальными вербализаторами рекламного контента. Установлено, что в рекламных текстах доминируют лексико-синтаксические приемы манипулятивного воздействия. Продемонстрировано наличие существенного различия в процентном соотношении совпадений поиска ко всему объему текста в рекламных и нерекламных текстах при идентификации рекламного контента на основе формальных маркеров. Доказана эффективность использования автоматизированных систем анализа в идентификации эксплицитных и имплицитных рекламных сообщений в медийных текстах и установления дискурсивной принадлежности текста, опубликованного в СМИ, с целью его классификации как информационного либо рекламного.

The article presents an algorithm of identifying advertisement blocks in mass media content and determining the type of the given text as either an advertisement or an informative text, which is enabled through automation with the aid of intellectual semantic and syntactic analysis systems. The GATE corpus manager is used as the development environment for the algorithm, and the ANNIE Gazetteer, JAPE Transducer, and Java Regexp Annotator are used as the principal processing resources for the presented algorithm. The use of ANNIE Gazetteer enables the automated identification of the most common lexical units typical of advertisements, as well as various lexical and syntactic markers of the advertisement content. The JAPE Transducer technology enables the development of an algorithm aimed at identifying an array of lexical and syntactic means of psychological influence. Identification of lexical repetitions of proper nouns is performed using a regular expression for the Java Regexp Annotator processing resource. The list of tokens used as advertisement content markers is identified and described. It is noted that lexical and syntactic means of manipulative influence dominate in advertisement texts. Research findings indicate a significant difference in the search results ratio between advertisements and informative texts when advertisements are identified automatically with the aid of formal markers. This proves the effectiveness of natural language processing systems in identifying messages with explicit and implicit advertisement content, determining the discursive type of media texts, and classifying them as either informative texts or advertisements.

автоматическая система анализасемантико-синтаксический анализаторсредства массовой информациикорпусный анализманипулятивный дискурсрекламный контенталгоритмы автоматического поискаautomated analysis systemsemantic-and-syntactic analyzermass mediacorpus analysismanipulative discourseadvertisement contentautomated search algorithmsБредихин С. Н., 2014. Схемопостроение в рамках метаединиц герменевтического процесса понимания и интерпретации // Современные проблемы науки и образования. № 4. URL: https://science-education.ru/ru/article/view?id= 13920&ysclid=lsblym0dt3574940601Бредихин С. Н., 2023. Теория некооперативных игр в порождении и интерпретации высказываний институционального дискурса // Профессиональная коммуникация: актуальные вопросы лингвистики и методики. № 16. С. 50–58.Бредихин С. Н., Сидоренко С. Г., 2023. Рекурсивное сравнение как основа поиска трансляционных эквивалентов в агглютинативных и флективных языках // Вестник Волгоградского государственного университета. Серия 2, Языкознание. Т. 22, № 3. С. 43–56. DOI: https://doi.org/10.15688/jvolsu2.2023.3.4Ильинова Е. Ю., Волкова О. С., 2023. Динамика медиатизации транскультурного концепта «Индивидуальная мобильность»: корпусно-ориентированное исследование // Вестник Волгоградского государственного университета. Серия 2, Языкознание. Т. 22, № 5. С. 19–39. DOI: https://doi.org/10.15688/jvolsu2.2023.5.2Каменский М. В., 2022. Дискурсные маркеры в трансдисциплинарном освещении: от философии языка Л. Витгенштейна к когнитивной лингвистике и искусственному интеллекту. Ставрополь : СКФУ. 133 с.Каменский М. В., Ломтева Т. Н., Кабылкина Н. С., Бутенко С. А., Триско И. Ю., Шереметова Д. А., Федина Е. Р., 2016. Формализация исследовательских процедур анализа семантики языковых единиц. Ставрополь : СКФУ. 170 c.Кенжебалина Г. Н., Шаикова Г. К., Шакенова М. Т., Акоева И .Г., 2020. Распознавание манипулятивного текста: структура и доминантные языковые параметры // Научный диалог. № 7. С. 105–125. DOI: 10.24224/2227-1295-2020-7-105-125Котов А. А., Переверзева С. И., 2024. Автоматический анализ фреймов для оценки воздействия текста // Вестник Волгоградского государственного университета. Серия 2, Языкознание. Т. 23, № 3. С. 41–54. DOI: https://doi.org/10.15688/jvolsu2.2024.3.4Поздин В. Н., Хохлов М. Г., 2017. Расчет формант по участку речевого сигнала // Advanced Science. № 1. URL: http://advanced-science.ru/assets/mgr/docs/1(2017)/%D0%A2%D0%B5% D1%85%D0%BD%D0%B8%D1%87%D0%B5% D1%81%D0%BA%D0%B8%D0%B5/pozdin-hohlov-k-pechati.pdfСалимовский В. А., Девяткин Д. А., Каджая Л. А., Мишланов В. А., 2019. Автоматическое распознавание ментальных действий, реализуемых в научных эмпирических текстах // Научно-технические ведомости СПбГПУ. Гуманитарные и общественные науки. Т. 10, № 3. C. 74–88. DOI: 10.18721/JHSS.10307Шакенова М. Т., Ташимханова Д. С., Оспанова У. А., Булдыбаев Т. К., 2020. Лексико-грамматические маркеры манипулятивности массмедийного дискурса (на материале корпуса русскоязычных текстов СМИ в Республике Казахстан) // Научный диалог. № 2. С.141–160. DOI: 10.24224/2227-1295-2020-2-141-160Appendix G. Part-of-Speech Tags used in the Hepple Tagger // GATE – General Architecture for Text Engineering. URL: https://gate.ac.uk/sale/tao/splitap7.htmlBrezina V., Platt W., 2023. #LancsBox X [software]. Lancaster University. URL: https://lancsbox. lancs.ac.ukCunningham H., Humphreys K., 1997. Software Infrastructure for Natural Language Processing. Sheffield : University of Sheffield. 272 р.GATE. General Architecture for Text Engineering. URL: https://gate.ac.ukGhosh A., Senthilrajan A., 2023. Comparison of Machine Learning Techniques for Spam Detection // Multimed Tools Application. №  82. P. 29227–29254. DOI: 10.1007/s11042-023-14689-3Jiang Y., Yu X., Wang Y., Xu X., Song X., Maynard D., 2023. Similarity-Aware Multimodal Prompt Learning for Fake News Detection // Information Sciences. Vol. 647. DOI: 10.1016/j.ins.2023.119446Maynard D., Roberts I., Greenwood M. A., Rout D., Bontcheva K., 2017. A Framework for Real-Time Semantic Social Media Analysis // Journal of Web Semantics. Vol. 44. P. 75–88. DOI: 10.1016/j.websem.2017.05.002Ngulube I. E., Elezie K., 2023. Language Style in Advertising: A Study of the Print Media // International Journal of Literature, Language and Linguistics. Vol. 6, iss.3. P. 97–128. DOI: 10.52589/IJLLL_9DX2II7XRegular Expressions 101. URL: https://regex101.comString Annotation Plugin. URL: https://gatenlp. github.io/gateplugin-StringAnnotation/Thakker D., 2009. GATE JAPE Grammar Tutorial. Version 1.0. Nottingham : Nottingham Trent University. 201 р.Ads of the World. November 1, 2022. URL: https://www.adsoftheworld.comBerlin & I. City Guide. 2013. № 5. URL: https://www.berlin-and-i.deLondon Evening Standard. November 1, 2011. URL: https://www.standard.co.uk/Skims. August 14, 2024. URL: https://skims.comStylist. November 2, 2011. Iss. 100. P. 10. URL: https://www.stylist.co.uk/The Sun. August 29, 2024. URL: https://www. thesun.co.uk/Bredikhin S.N., 2014. Skhemopostroenie v ramkakh metaedinits germenevticheskogo protsessa ponimaniya i interpretatsii [Scheme Derivation within Metaunits of Hermeneutic Processes of Understanding and Interpretation]. Sovremennye problemy nauki i obrazovaniya [Modern Problems of Science and Education], no. 4. URL: https://science-education.ru/ru/article/view?id=13920&ysclid= lsblym0dt3574940601Bredikhin S.N., 2023. Teoriya nekooperativnykh igr v porozhdenii i interpretatsii vyskazyvaniy institutsionalnogo diskursa [Theory of Noncooperative Games in Generation and Interpretation of Utterances in Institutional Discourse]. Professionalnaya kommunikatsiya: aktualnye voprosy lingvistiki i metodiki [Professional Communication: Topical Issues of Linguistics and Methodology], no. 16, pp. 50-58.Bredikhin S.N., Sidorenko S.G., 2023. Rekursivnoe sravnenie kak osnova poiska translyatsionnykh ekvivalentov v agglyutinativnykh i flektivnykh yazykakh [Recursive Comparison as a Basis to Translation Equivalents Search in Agglutinative and Inflectional Languages]. Vestnik Volgogradskogo gosudarstvennogo universiteta. Seriya 2. Yazykoznanie [Science Journal of Volgograd State University. Linguistics], vol. 22, no. 3, pp. 43-56. DOI: https://doi.org/10.15688/jvolsu2.2023.3.4Ilyinova E.Yu., Volkova O.S., 2023. Dinamika mediatizatsii transkulturnogo kontsepta «Individualnaya mobilnost»: korpusno-orientirovannoe issledovanie [Transcultural Concept “Individual Mobility”: Mediatization Dynamics Through Corpus-Based Study]. Vestnik Volgogradskogo gosudarstvennogo universiteta. Seriya 2. Yazykoznanie [Science Journal of Volgograd State University. Linguistics], vol. 22, no. 5, pp. 19-39. DOI: https://doi.org/10.15688/jvolsu2.2023.5.2Kamensky M.V., 2022. Diskursnye markery v transdistsiplinarnom osveshchenii: ot filosofii yazyka L. Vitgenshteyna k kognitivnoy lingvistike i iskusstvennomu intellektu [Discourse Markers in Transdisciplinary Coverage: From L. Wittgenstein’s Philosophy of Language to Cognitive Linguistics and Artificial Intelligence]. Stavropol, SKFU. 133 p.Kamensky M.V., Lomteva T.N., Kabylkina N.S., Butenko S.A., Trisko I.Yu., Sheremetova D.A., Fedina E.R., 2016. Formalizatsiya issledovatelskikh protsedur analiza semantiki yazykovykh edinits [Research Procedures Formalization for Analyzing the Semantics of Linguistic Units]. Stavropol, SKFU. 170 p.Kenzhebalina G.N., Shaikova G.K., Shakenova M.T., Akoyeva I.G., 2020. Raspoznavanie manipuljativnogo teksta: struktura i dominantnye jazykovye parametry [Manipulative Text Recognition: Structure and Dominant Linguistic Parameters]. Nauchnyy dialog, no. 7, pp. 105-125. DOI: https://doi.org/10.24224/2227-1295-2020-7-105-125Kotov A.A., Pereverzeva S.I., 2024. Avtomaticheskiy analiz freymov dlya otsenki vozdeystviya teksta [Automatic Frame Analysis for the Evaluation of Text Influence]. Vestnik Volgogradskogo gosudarstvennogo universiteta. Seriya 2. Yazykoznanie [Science Journal of Volgograd State University. Linguistics], vol. 23, no. 3, pp. 41-54. DOI: https://doi.org/10.15688/jvolsu2.2024.3.4Pozdin V.N., Khokhlov M.G., 2017. Raschet formant po uchastku rechevogo signala [Formants Calculation Based on a Section of the Speech Signal]. Advanced Science, no. 1. URL: http://advanced-science.ru/assets/mgr/docs/1(2017)/%D0%A2%D0%B5%D1%85%D0%BD%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B5/pozdin-hohlov-k-pechati.pdfSalimovsky V.A., Devyatkin D.A., Kadzhaya L.A., Mishlanov V.A., 2019. Avtomaticheskoe raspoznavanie mentalnykh deystviy, realizuemykh v nauchnykh empiricheskikh tekstakh [Automatic Identification of Mental Actions in Scientific Empirical Texts]. Nauchno-tekhnicheskie vedomosti SPbGPU. Gumanitarnye i obshchestvennye nauki [St. Petersburg State Polytechnic University Journal. Humanities and Social Sciences], vol. 10, no. 3, pp. 74-88. DOI: 10.18721/JHSS.10307Shakenova M.T., Tashimkhanova D.S., Ospanova U.A., Buldybayev T.K., 2020. Leksiko-grammaticheskie markery manipulyativnosti massmediynogo diskursa (na materiale korpusa russkoyazychnykh tekstov SMI v Respublike Kazakhstan) [Lexical-Grammatical Markers of the Manipulativeness of Mass Media Discourse (Based on the Material of the Body of Russian-Language Media Texts in Republic of Kazakhstan)]. Nauchnyi dialog, no. 2, pp. 141-160. DOI: 10.24224/2227-1295-2020-2-141-160Appendix G. Part-of-Speech Tags used in the Hepple Tagger. GATE – General Architecture for Text Engineering. URL: https://gate.ac.uk/sale/tao/splitap7.htmlBrezina V., Platt W., 2023. #LancsBox X Software. Lancaster University. URL: https://lancsbox. lancs.ac.ukCunningham H., Humphreys K., 1997. Software Infrastructure for Natural Language Processing. Sheffield, University of Sheffield. 272 р.GATE. General Architecture for Text Engineering. URL: https://gate.ac.ukGhosh A., Senthilrajan A., 2023. Comparison of Machine Learning Techniques for Spam Detection. Multimed Tools Application, no. 82, pp. 29227-29254. DOI: https://doi.org/10.1007/s11042-023-14689-3Jiang Y., Yu X., Wang Y., Xu X., Song X., Maynard D., 2023. Similarity-Aware Multimodal Prompt Learning for Fake News Detection. Information Sciences, vol. 647. DOI: 10.1016/j.ins.2023.119446Maynard D., Roberts I., Greenwood M.A., Rout D., Bontcheva K., 2017. A Framework for Real-Time Semantic Social Media Analysis. Journal of Web Semantics, vol. 44, pp. 75-88. DOI: 10.1016/j.websem.2017.05.002Ngulube I.E., Elezie K., 2023. Language Style in Advertising: A Study of the Print Media. International Journal of Literature, Language and Linguistics, vol. 6, iss. 3, pp. 97-128. DOI: https://doi.org/ 10.52589/IJLLL_9DX2II7XRegular Expressions 101. URL: https://regex101.comString Annotation Plugin. URL: https://gatenlp.github.io/gateplugin-StringAnnotation/Thakker D., 2009. GATE JAPE Grammar Tutorial. Version 1.0. Nottingham, Nottingham Trent University. 201 р.Ads of the World. November 1, 2022. URL: https://www.adsoftheworld. comBerlin & I. City Guide, 2013, no. 5. URL: https://www. berlin-and-i.deLondon Evening Standard. November 1, 2011. URL: https://www.standard.co.uk/Skims. August 14, 2024.URL: https://skims.comStylist, 2011, November 2, iss. 100, p. 10. URL: https://www.stylist.co.uk/The Sun. August 29, 2024. sURL: https://www.thesun.co.uk/