Алгоритмические процедуры идентификации рекламных текстов в дискурсивном пространстве средств массовой информации

DOI:

Реклама как имманентный атрибут современного общества, выступающий способом дискурсивного взаимодействия между рекламодателем и потенциальным потребителем продуктов и услуг, обладает существенным прагматическим потенциалом в части оказания информативно-оперативного воздействия на широкую аудиторию потребителей через средства массовой информации. В дискурсивном пространстве СМИ наблюдается определенная гибридизация газетно-публицистического контента, при которой сугубо информационный посыл подается в тесной конвергенции с рекламным сообщением, либо же рекламное сообщение частично «скрывается» за общим информационным наполнением статьи.

В связи со сказанным особую актуальность приобретает проблема идентификации эксплицитных и имплицитных сообщений рекламного характера в медийных текстах, а также установления дискурсивной принадлежности текста, опубликованного в СМИ, с целью его классификации как информационного, либо рекламного.

Поскольку осложненной представляется делимитация именно ситуативной скры- той рекламной суггестии, а перечень формальных маркеров, способных представлять собой признаковый ряд для алгоритмизации и формирования базовых вводных для автоматического распознавания контента рекламного характера, на сегодняшний день не сформирован, в данной статье предпринята попытка описания и классификации токенов, выступающих формальными вербализаторами рекламного контента, а также демонстрации практической эффективности задаваемых функциональных ограничений. На основе проведенного анализа возможно выработать принципы манипулятивной коммерциализации сообщений по аналогии с выделением «медиатизации», как институциональной организации, призванной странслировать образцы и модели восприятия или поведения [Ильино-ва, Волкова, 2023, с. 20], существенно модифицирующие пространство целеполагания и волюнтативную сферу реципиента. Токен представляет собой единицу анализа, образуемую одночленным формальным вербали-затором, который в свою очередь является нечленимым фонографическим элементом с доминирующей валентностью, то есть встречается чаще всего в контексте, содержащем информацию конкретной тематики, в нашем исследовании – это рекламный контент. Воз- можности такой идентификации существенно расширяются благодаря динамичному развитию функционала современных корпусных менеджеров, таких как GATE [GATE...] и LancsBox [Brezina, Platt, 2023], способных осуществлять массовую обработку текстовой информации и на основе четких логических критериев соответствия текста определенным шаблонам (например, посредством регулярных выражений или иных метаязыков описания структурно-содержательных компонентов искомых текстовых фрагментов), и с применением систем искусственного интеллекта (например, машинного обучения нейронных сетей).

Существенный речевоздействующий и манипулятивный потенциал рекламного дискурса актуализирует его исследование в общем контексте научного осмысления дискурсивных приемов манипуляции массовым сознанием. В данной связи и по причине проводимой сегодня в западноевропейском медиапространстве информационной войны против России целесообразной представляется разработка принципов автоматизированной идентификации и автоматизированного анализа формальных языковых маркеров рекламного дискурса с речевоздействующим потенциалом на примере английского языка. В силу того, что предлагаемые алгоритмические процедуры основаны на формальных логических критериях, они могут быть в дальнейшем адаптированы для идентификации рекламного контента в текстах на разноструктурных языках мира, в том числе – на русском.

Целью предпринятого исследования является разработка алгоритмических процедур для автоматизации идентификации рекламного текста на основе ряда формальных признаков языковых средств психологического воздействия, характерных для рекламного текста, на примере английского языка. Полагаем, что это позволит обеспечить возможность оптимизации проведения научных исследований в области автоматизированной классификации текстов и установления их дискурсивной принадлежности, а также в сфере реализации программных средств фильтрации рекламного контента в электронных версиях современных СМИ.

Материал и методы исследования

Отправной точкой настоящего исследования послужила классификация лексических и стилистических средств психологического воздействия в рекламном дискурсе и их формальных признаков в тексте [Каменский и др., 2016, с. 54]. Данная классификация включает установленные в предпринятых нами ранее научных изысканиях частотные экспликаторы англоязычного рекламного контента и является открытой. Мы исходим из предположения о том, что если выразительный и манипулятивный потенциал языковых единиц психологического воздействия в рекламном дискурсе соотносится с конкретными лексическими и синтаксическими репрезентантами, то формальные признаки данных репрезентантов могут послужить теоретиколингвистическим основанием для их автоматизированной идентификации в электронных корпусах текстов, а также для дифференциации текстов с позиции определения их дискурсивной принадлежности к рекламному дискурсу. Кроме того, в качестве исходного принципа автоматизированного анализа сопутствующих вербальной экспликации суггестии в рекламном контенте медиатекста учитывается инициальная интенция на продвижение товара, которая рассчитывается по формулам развернутой формы некооперативного взаимодействия в применении к институциональным типам дискурса с базовым перечнем переменных (о них см.: [Бредихин, 2023, с. 54–55]).

В качестве фактического материала привлечены 176 текстов рекламных кампаний различных категорий товаров и услуг, а также 160 текстов, взятых из электронных версий англоязычных средств массовой информации (газет и журналов), не носящих рекламного характера, однако содержащих импликацию ситуативного рекламного контента. Электронный корпус для автоматизированного анализа разработан на основе публично доступных материалов за период с 2011 по 2024 год. Из отобранных для анализа текстов на основе сформированного списка критериальных признаков были составлены ряды маркеров суггестивного воздействия в их понимании по М.Т. Шакеновой [Шакенова и др., 2020].

Первичный анализ избранного материала продемонстрировал, что наиболее эффективным и частотным приемом информационно-оперативной суггестии в медиатекстах является адъективация. На имплементации эмоционально-оценочных или логико-конкре-тизирующих прилагательных строится 30 % от общего числа микроконтекстов, при этом подавляющее большинство случаев включает несколько таких единиц. В некоторых исследованиях, посвященных проблемам манипулирования, семантическое содержание маркера представляется вторичным, а на первый план выводятся эмоциональные импринты, сохраняющиеся в реципиирующем сознании целевой группы [Котов, Переверзева, 2023, с. 44]. Другие приемы интенсификации манипулятивного контента включают большей частью сходные эмотивные элементы, такие как эпитетация (11,4 %), положительная / лучшая презентация (8 %), образная аффилиация с селебрити (4,5 %), социумно-групповая детерминация (подчеркивание привилегированного статуса обладателя рекламируемого товара) (4,5 %), употребление сленгизмов (4,5 %), метафоризация (2,3 %) и использование образных ассоциаций (1,12 %). В то же время одним из наиболее частотных способов представляется псевдоаргументативное манипулирование на основе введения компонентов когнитивной информации – числовые данные (19,3 %), конкретизация описания бонусных акций (4 %). Встречаются и приемы фонографического маркирования (7,4 %). Вышеописанные способы, типичные для медийных текстов, содержащих рекламный контент, классифицируются нами как лексические. Следует подчеркнуть, что не каждое средство суггестии лексического характера отвечает формальным критериальным признакам, на основе которых допустима их автоматизированная делимитация. Идентификация возможно лишь по соответствию прописанным в алгоритме денотативным компонентам, коннота-тивы, придающие дополнительные обертоны, интенсифицирующие влияние, зачастую не входят в первичный список семантических маркеров [Ngulube, Elezie, 2023, p. 115]. В перечень формально маркированных и потенциально определяемых семантико-семиотическими анализаторами включаются адъектива- ция, эпитетация, использование числовых данных, образная аффилиация и фонографическое маркирование.

В плане синтаксического маркирования наибольшее распространение (31,3 % из общего числа микроконтекстов) получает употребление глаголов в императиве, что представляет собой особый прием экспликации манипулирования. Использование повторов (22 %), которые детализируют наиболее значимые признаки рекламируемого товара, занимает второе место по частотности. Подавляющее большинство предложений рекламного компонента медийного текста являются номинативными (20,5 %). Эллиптические конструкции и синтаксический параллелизм демонстрируют одинаковую частотность употребления (по 9,7 %), парцелляция же существенно уступает им (4,5 %) и используется в рамках выделения наиболее значимых характеристик. В рамках обеспечения псевдонезависимости принятия решения о приобретении товара наблюдается такой прием, как диалогизация монологической речи (6,25 %). Наименьшее число речеупотреблений приходится на сравнение (2,3 %). В отличие от лексических средств набор формальных маркеров всех вышеперечисленных синтаксических средств составляется достаточно легко и служит основой для создания идентификационных алгоритмических процедур.

В предпринятом исследовании для разработки алгоритмов автоматизированной идентификации рекламного контента в текстовых массивах применен корпусный менеджер GATE. С его помощью реализуются задачи по выделению смыслового содержания текста и его репрезентации в структурированном виде в формеаннотаций, добавляемых к сегментам текста [Cunningham, Humphreys, 1997, p. 65]. Идентификация лексических репрезентантов рекламного содержания реализуется посредством технологии поиска именованных сущностей ANNIE Gazetteer, синтаксических репрезентантов – с применением технологии шаблонного поиска и аннотирования текстовых сегментов JAPE (Java Annotation Patterns Engine), а также аннотирования текста по регулярным выражениям Java Regexp Annotator плагина String Annotation.

Анализатор ANNIE Gazetteer работает на основе пользовательских списков слов и выражений, сформированных по тематическому признаку (наиболее употребительные лексические репрезентанты рекламы различного типа). Идентифицированные текстовые совпадения (слова и выражения из тематических списков) отмечаются аннотацией типа Lookup с атрибутами, указанными в словаре.

Технология JAPE представляет собой специализированный метаязык для описания лексико-синтаксических шаблонов с целью обеспечения возможности автоматизированного поиска и аннотирования искомых текстовых сегментов в электронном корпусе текстов [Thakker, 2009, p. 15]. В нашем исследовании для идентификации синтаксических репрезентантов рекламного содержания в тексте применяется анализатор JAPE Transducer. Технология JAPE также позволяет задействовать метаязык регулярных выражений и использовать логические операторы для объединения формальных критериев поиска и идентификации текстовых сегментов по заданному шаблону.

Результаты и обсуждение

Идентификация лексических репрезентантов рекламного контента с применением анализатора ANNIE Gazetteer

Языковой прием активизации когнитивной информации посредством введения числовых данных встречается в 34 из 176 изученных нами рекламных текстов, что составляет 19,3 % от их общего количества. Данный прием наиболее эффективен при конкретизации сроков проведения рекламных акций, распродаж и т. п., а также интенсификации внимания реципиентов на величине процента скидки или указания цены на рекламируемый товар, зачастую формальными маркерами при данных репрезентантах выступают слова, обозначающие дату (день, месяц, неделя, год), а также знаки %, £, €, $, аббревиатуры USD, EUR и др. Следует указать, что делимитация вышеописанных символьных маркеров при числовых данных является основой реализации инструментального принципа в обеспечении маркированного рекламного контента специфическим иллокутивным потенциалом [Каменский, 2022]. Концентрированное употребление таких цифровых показателей в текстовом фрагменте, в том числе в сочетании с лексикой, типичной для рекламных акций (bonus, buy, sale, savings и т. п.), в текстах, не относящихся к экономической тематике, может служить одним из показателей его рекламной направленности.

Для автоматизированной идентификации наличия числовых данных манипулятивного рекламного характера в медиатексте использовалась как технология ANNIE Gazetteer, так и технология JAPE. Для ANNIE Gazetteer был создан список потенциальных токенов, сопровождающих данный прием: % , £ , € , $ , USD , EUR . Для идентификации таких лексем, как day , week , month , year , bonus , buy , sale , savings и т. п., представляется возможным применить и технологию ANNIE Gazetteer, и технологию JAPE Transducer, однако последняя предпочтительнее в силу того, что данные лексемы встречаются в разных грамматических формах. Еще одной причиной выбора двух технологий для автоматизированной идентификации приема использования цифровых показателей является то, что ANNIE Gazetteer идентифицирует отдельные токены, находящиеся в созданных списках. С помощью данной технологии делимитируются токены «%», «€», «$» и др., если они обособлены от других токенов, то есть идентификация составных конструкций типа «$14», «20 %» и т. п. будет затруднена. Таким образом, идентификация числовых данных, потенциально выступающих маркерами рекламного характера сообщения, будет двухфазной. На первом этапе с помощью ANNIE Gazetteer идентифицируются указанные выше отдельные токены, перечисленные в файле списка signs_of_numbers.lst. Фрагмент данного файла, демонстрирующий принцип его организации, показан ниже (см. рис. 1).

Для аннотирования лексем из списка корпусному менеджеру GATE необходим файл определения, характеризующий целевую аннотацию для создания. Во-первых, токены автоматически идентифицируются по соответствию прописанной аннотации, что позволяет устранить неоднозначность интерпретации и

• 1    %

7 $ €

• 5    EUR

• 6    USD

• 7    RUR

• 8    RUB

Fig. 1. Fragment of the token list signs_of_numbers. lst привязать их к тому или иному типу данных. Во-вторых, семантические компоненты, дефи-нированные в списке ресурсов как целые блоки, применяются для обеспечения семантического полнотекстового поиска в едином информационном потоке [Maynard et al., 2017, p. 77]. Каждая строка, описывающая аннотацию для файла со списком токенов, состоит из пяти частей, разделенных двоеточием:

• 1)    название документа со списком слов, которому присваиваются определенные характеристики;

• 2)    основная категория, к которой относятся слова (например, advertisement);

• 3)    подкатегория, к которой относятся слова (например, lexical means);

• 4)    язык, на котором написаны слова в списке (например, English);

• 5)    название, которое будет отражено в ANNIE Gazetteer в списке аннотаций Annotation Sets (например, advertisement_markers).

В абсолютном соотношении языковой прием положительной / лучшей презентации товара встречается в 14 из 176 микроконтекстов, что в относительном выражении составляет 8 % от общего количества. Данный прием предполагает наличие лексических единиц, описывающих лучшие качества товара, а также (в ограниченном числе употреблений) сравнение с другими товарами, поэтому формальным критерием является наличие таких лек- сем, как no better, best, world’s, only, better, than, first, unique, superior и т. п. Например:

Wheel Deal: ‘We don’t value them’ – the best estate cars you can pick up for under 5k INCLUDING a trio of luxurious ‘executive’ motors (The Sun);

Следующим приемом манипулирования, исследованным с позиции алгоритмизации, было использование лексем, характерных для описания бонусных акций (4 % от общего количества способов манипулирования). Формальным признаком данного приема является наличие таких слов как win , prize , bonus , free , complimentary , coupons и т. п. Данные лексемы обозначены в файле списка bonus.lst, фрагмент которого приведен ниже (см. рис. 3).

Последний списк, созданный для ANNIE Gazetteer, представляет собой список лексических единиц, наиболее употребительных в рекламных текстах. С помощью программ-

• 1    no better

• 2    best

• 3    world's

• 4    onl^

• 5    better than first

• 8    unique

• 9    superior

• 10    good

... new

Fig. 3. Fragment of the list of lexical units bonus.lst ного продукта Textus Pro (ПО для нахождения частоты и плотности использования ключевых слов) были выделены наиболее частотные ключевые слова в 176 рассмотренных рекламных текстах: new, taste, free, good, style, quality, enjoy, better, true, best, unique, buy, super, win, prize, visit, cost, way, flavor, significantly, significant. Например:

Taste the A.I.: Unique desserts made with artificial intelligence (Ads of the World).

Таким образом, созданы теоретико-методологические основания автоматизированной идентификации лексических единиц, релевантных для идентификации рекламных текстов и рекламного контента в СМИ, на основе потенциального присутствия в них средств суггестивного воздействия с помощью технологии ANNIE Gazetteer корпусного менеджера GATE.

Перейдем к описанию механизма создания программной основы для автоматизированного идентификатора рекламных текстов с помощью технологии шаблонного лексикограмматического анализа и аннотирования JAPE Transducer.

Идентификация синтаксических репрезентантов рекламного контента с применением технологии JAPE Transducer

В отличие от технологии ANNIE Gazetteer, направленной на поиск конкретных лексических единиц, технология JAPE Transducer предназначена для поиска текстовых сегментов по общим формулам, записанным в особым образом организованных JAPE-правилах и отражающих как лексический состав и лексическую сочетаемость слов в искомых текстовых фрагментах, так и синтаксическую структуру данных фрагментов, что расширяет поисковый диапазон алгоритма идентификации рекламного текста [Thakker, 2009].

С помощью технологии поиска JAPE Transducer проведена разработка алгоритмических процедур для автоматизированной идентификации следующих лексико-синтаксических средств психологического воздействия: адъек- тивация, использование цифровых показателей (в сочетании со списком ANNIE Gazetteer), употребление повелительного наклонения, использование номинативных предложений.

Алгоритмические процедуры записаны с помощью метаязыка описания поисковых шаблонов JAPE, основанного на синтаксисе языка программирования Java. Анализатор JAPE Transducer, входящий в состав корпусного менеджера GATE, работает на основе специальных файлов с расширением «.jape», являющихся JAPE-правилами. Разработанные JAPE-правила имеют следующие компоненты:

• 1)    наименование фазы (например: Phase: IdentifyAdjectives );

• 2)    типы аннотаций, учитываемые при поиске текста по данному правилу (например: Input: Token ). В процессе анализа используется аннотация Token, в которой токен принимается в качестве минимальной единицы анализа. При необходимости в перечень учитываемых аннотаций также добавляется стандартная для анализатора ANNIE аннотация Split, отмечающая границы предложений и других структурных блоков текста. При включении дополнительного конкретизатора наблюдается бифуркационная ситуация, строящаяся на рекурсивном сравнении с конечным перечнем отсылок, что не влияет на увеличение операций базового алгоритма [Бредихин, Сидоренко, 2023, с. 51]. Следует отметить, что ограничение операций при создании аннотаций происходит в рамках линейной регрессии, которая демонстрирует демаркацию зависимых и независимых переменных [Ghosh, Senthilrajan, 2023, p. 29234];

• 3)    опции поискового алгоритма (например: Options: control=brill ). Применяемый в настоящем исследовании алгоритм Brill позволяет создать аннотации для текстовых совпадений по каждому из заданных JAPE-правил независимо от того, пересекаются ли данные текстовые совпадения в текстовом массиве или нет;

• 4)    название правила (например: Rule: Numbers );

• 5)    формула для осуществления поиска (например: {Token.category==”JJS”} ), в которой для указания частеречной принадлежности лексем используются общепринятые сокращения Hepple Tagger [Appendix G...];

• 6)    аннотации, присваиваемые найденным с помощью заданного поискового шаблона единицам текста (например: Item.Advertisement_ Markers = {category = “adjective”, degree = “superlative”} ). В данном примере в списке аннотаций Annotation Sets найденные единицы текста будут отражаться в наборе аннотаций «Advertisement_Markers» и иметь аннотацию со свойствами «category: adjective» и «degree: superlative» (превосходная степень сравнения прилагательного).

По результатам анализа фактического материала лексический прием адъективации идентифицирован в 52 из 176 рекламных текстов, что составляет 30 % от рассмотренных рекламных текстов. Поскольку в основе данного приема лежит прилагательное в сравнительной или превосходной степени, то в качестве формального поискового критерия выбрано наличие в микроконтексте по меньшей мере одного прилагательного в сравнительной или превосходной степени, то есть прилагательного с суффиксами -est / -er , либо со словами more , less , most , опционально предваренными определенным артиклем the .

Исходя из вышесказанного, разработанные JAPE-правила для идентификации потенциальных контекстов с адъективацией имеют следующий вид (где тег JJR означает прилагательное в сравнительной степени, тег JJS – прилагательное в превосходной степени):

Phase: IdentifyAdvertisementMarkers

Input: Token

Options: control=brill

Rule: AdjComparative

(

{Token.category == “JJR”}

)

:Item —> :Item.Advertisement_Markers = {category = “adjective”, degree = “comparative”}

Rule: AdjSuperlative

(

{Token.category == “JJS”}

)

:Item —> :Item.Advertisement_Markers = {category = “adjective”, degree = “superlative”}

Прием использования числовых данных встретился в 34 из 176 изученных нами рекламных текстах, что составляет 19,3 % от общего количества рассмотренных рекламных текстов. Данный прием идентифицируется в два этапа, при этом первый этап проводится с применением технологии ANNIE Gazetteer, о чем было указано выше. Технология JAPE Transducer позволяет уточнить поисковый алгоритм в части поиска сочетаний лексических единиц и графических показателей (знаков), при этом для поиска последних представляется возможным использовать регулярное выражение, совпадающее с одним любым символом из заданного класса, либо с одной из заданных аббревиатур. Таким образом, JAPE-правило для идентификации цифровых показателей в рекламном тексте имеет следующий формат:

Phase: IdentifyAdvertisementMarkers

Input: Token

Options: control=brill Rule: AdjComparative (

({Token. string ==~

)

:Item —> :Item.Advertisement_Markers = {category = “number ”, degree = “price_or_percentage”}

Приведенное выше JAPE-правило демонстрирует общий принцип идентификации необходимых формальных репрезентантов и может быть дополнено по принципу аналогии другими цифровыми показателями, лексемами и аббревиатурами. Необходимым расширительным компонентом в данном случае будут выступать альтернации внутрисистемного перераспределения интенциально (заложенного в исходном списке) релевантного набора регулярных выражений по определенным алгоритмическим схематическим моделям [Бредихин, 2014].

Следующий прием, для идентификации которого разработано JAPE-правило, – это доминантное употребление глаголов в императиве, частотность которого в суггестивно маркированном контенте достигает 31,3 %.

Формальным показателем, на основе которого автоматически определяется данный способ интенсификации оперативного компонента в медиатексте, служит не единичное, но концентрированное использование глаголов в повелительном наклонении, преимущественно находящихся на первом месте в предложении, например:

Change your life. Take a CELTA course Teaching English as a Foreign Language. Open a world of possibility and rewarding international career. Call Saxoncourt for more details (London Evening Standard).

Emirates. Luxury holidays. Superb savings. Enjoy savings of over 300 on Dubai holidays with Emirates. Fly Emirates. Keep discovering (London Evening Standard).

Для идентификации данного синтаксического приема применен стандартный тег «VB» для поиска глаголов в повелительном наклонении, при этом позиция глагола в предложении устанавливается на основе стандартных аннотаций типа Split, используемых в анализаторе ANNIE корпусного менеджера GATE в качестве разделяющих маркеров предложений [Appendix G...]. Для корректной идентификации таких маркеров в перечень анализируемых типов аннотаций добавлялись аннотации границ предложения Split, то есть: « Input: Token Split ». Результирующее правило JAPE выглядит таким образом:

Phase: IdentifyAdvertisementMarkers

Input: Token Split

Options: control=brill

Rule: ImperativeVerb

(

{Split}

{Token.category == “VB”} ({Token, !Split})+

)

:Item —> :Item.Advertisement_Markers = {category = “verb”, mood = “imperative”}

Следующим приемом, рассмотренным нами с позиции алгоритмизации идентификации, было использование предложения номинативного типа, абсолютное количество которых составило 36 из 176 микроконтекстов (20,5 %). Критериальным фактором автоматизированной идентификации в данном случае является отсутствие глагола в любой форме. Следует отметить, что в качестве отдельно- го номинанта в большинстве случаев выделяется наименование рекламируемого продукта или бренда. Например:

Estee Lauder. Global makeup artist event . Join us at Estee Lauder from 3–9 November for an exclusive makeup event, only at Selfriges London (Stylist);

Zeha Berlin . The berlin shoe with a story. Zeha – the perfect marriage of sports and fashion . Get to know us in one of our unique stores (Berlin & I. City Guide).

Для идентификации данного приема производится поиск произвольной последовательности неглагольных токенов в промежутке между аннотациями границ предложения (Split). Для обучения алгоритма поиску неявных (замаскированных) токенов, необходимо четкое прописывание случаев омографии в качестве инициальной подсказки для добавления операции контекстуального семантического и позиционного сравнения. Такое введение функциональных ограничений предполагает намеренное искажение с помощью ограниченного шаблона с заменой компонента омографом [Jiang et al., 2023]. Формула поиска, исходя из этого, имеет следующий формат:

{Split}

({!Split, Token.category !=~ “VB.*”})+ .

{Split}

В данной поисковой формуле первая и последняя строки ( {Split} ) обозначают границы предложения, вторая строка уточняет, что поиск проходит в границах последовательности слов, объединенных в одно предложение, с отсутствием глагола ( Token. category !=~ “VB.*” ). Знак «+» в конце строки представляет собой стандартный метасимвол JAPE, означающий повторение заданного в строке элемента 1 и более раз. VB.* в данной формуле является стандартным тегом, содержащим глагол в любой его форме [Appendix]. Результирующее правило JAPE следующее:

Phase: IdentifyAdvertisementMarkers

Input: Token Split

Options: control=brill

Rule: NominativeSentences

(

{Split}

({!Split, Token.category !=~ “VB.*”})+ {Split}

)

:Item —> :Item.Advertisement_Markers = {category = “sentence”, type = “nominative”}

Недостатком такого поискового запроса является то, что по умолчанию он не охватывает первое предложение в рекламном тексте, так как перед первым предложением нет аннотации «Split». Данная проблема может быть решена путем добавления аннотации типа «Split» в начало каждого документа, входящего в пользовательский корпус текстов, то есть внедрения дополнительного оперативного форманта инициирующего заданный поиск [Поздин, Хохлов, 2017].

Формальными признаками приема использования лексических повторов выступают повторение лексических единиц, относящихся к названию торговых марок и рекламируемых товаров, либо к их свойствам и качествам. Например:

Samsung Galaxy Note . The Galaxy Note £10000 prize Draw. Wow! Experience the Galaxy Note in store this Thursday and you could win a share of £10000 worth of Samsung products. Phone? Tablet? It’s Galaxy Note ! Only at Carphone Warehouse (London Evening Standard).

Идентификация лексических повторов с применением технологии JAPE затруднительна в связи с невозможностью задействовать регулярные выражения в JAPE-правилах для поиска последовательности идентичных токенов. Таким образом, для идентификации приема повторов имен собственных нами использованы регулярные выражения, разработанные нами на платформе Regex 101 [Regular Expressions 101] и далее примененные в алгоритмической процедуре Java Regexp Annotator стандартного плагина String Annotation [String Annotation Plugin]. Получаемые в результате работы данного алгоритма аннотации совместимы с аннотациями анализаторов JAPE и ANNIE Gazetteer. Ниже приводится содержание файла lexical_repetition.rgx, задающего шаблон регулярного выражения для поиска лексических повторов с помощью анализатора Java Regexp Annotator:

|(\b[A-Z][A-Za-z]\w+\b)[^.!?]+\1[^.!?]+[.!?]+

0 => AdvertisementMarkers lexicalunit=$1

Данное регулярное выражение состоит из следующих блоков:

( ... ) – объединяет элементы в одну группу (в нашем случае это повторяющаяся лексема);

\b ... \b – делимитирует границы слова;

[A-Z][A-Za-z]\w\+ – задает класс символов, составляющих англоязычную лексему, при этом первая буква лексической единицы должна быть заглавной, поскольку речь идет о повторах имен собственных (преимущественно – названий компаний);

[^.!?]+ – указывает, что далее следует любое количество произвольных знаков, не относящихся к терминальным знакам препинания;

\1 – указывает на повтор группы 1, содержащей найденную лексическую единицу;

[.!?]+ – соответствует любому терминальному знаку препинания или сочетанию таких знаков, завершающих предложение.

Итак, для проведения автоматизированной идентификации лексико-синтаксических средств психологического воздействия, таких как адъективация, использование числовых данных в качестве когнитивного интенсификатора, повелительного наклонения и номинативных предложений наиболее эффективным признается функционал анализаторов JAPE Transducer и Java Regexp Annotator корпусного менеджера GATE. Применение совокупности данных правил формирует алгоритмическую основу автоматической идентификации рекламного текста и рекламного контента в медийном пространстве современных СМИ.

Верификация разработанных алгоритмических процедур проведена на основе пользо- вательского корпуса, включающего 176 рекламных текстов и 160 нерекламных текстов различных функциональных стилей. Результаты сопоставительного анализа показали следующее:

– в 176 рекламных текстах лексико-синтаксические средства психологического воздействия в среднем составляют 24,6 % от общего объема рекламного текста;

– в 160 медийных текстах, не содержащих эксплицитный рекламный контекст, лексико-синтаксические средства психологического воздействия в среднем составляют 8,9 % от общего объема текста.

Результаты квантитативного сравнительного анализа фактического материала представлены в таблице.

Существенное различие в процентном соотношении количества совпадений на основании автоматизированного анализа к общему числу токенов в рекламных текстах и медийных текстах другой жанровой принадлежности позволяет говорить о валидности созданных алгоритмических процедур в качестве базиса для автоматизации идентификации рекламных текстов и рекламного контента в СМИ, то есть разработанный перечень формальных маркеров экспликации / импликации суггестии в совокупности является необходимым и достаточным основанием для автоматического распознавания манипулятивных публикаций. Полученные результаты, таким образом, согласуются с другими научными изысканиями в области распознавания манипулятивного текста (см.: [Кенжебалина и др., 2020, c. 123]) и дополняют их в части описания принципов формализации суггестивного воздействия в тексте.

При использовании разработанного программного модуля для автоматизированной

Количественное соотношение формальных маркеров потенциально рекламного контента в рекламных и нерекламных медийных текстах

Quantitative ratio of formal markers of potentially advertising content in advertising and nonadvertising media texts

Тип текста	Название документа	Общее количество токенов	Количество совпадений	Процентное соотношение
Рекламный	advertisement	57 010	14 052	24,6
Медийный нерекламный	media	61 020	5 480	8,9

идентификации текстов на предмет принадлежности к рекламе следует обращать внимание на количество идентифицируемых числовых показателей, которые необходимо сопоставляются с контекстно-детерминированными шаблонами, содержащими как вербальные, так и формальные маркеры в неоднородных семантических сетях целого ряда сходных высказываний (подробно об этом см.: [Са-лимовский и др., 2019, с. 85]). Следует учитывать тот факт, что среди обрабатываемых с помощью данного программного модуля документов могут находиться документы с различными статистическими сведениями, включающими большое количество цифровых данных, что окажет существенное влияние на количество совпадений поиска. Во избежание ошибочной трактовки подобных текстов как рекламных необходимо приведение процентного соотношения количества цифровых показателей в рекламных текстах к общему числу токенов. Исходя из анализа 176 рекламных и 160 нерекламных текстов, был получен следующий результат: в рекламном тексте количество цифровых показателей, как правило, не превышает 5 % от общего количества токенов. Таким образом, если в тексте, классифицируемом по количеству лексико-синтаксических приемов как рекламном, количество цифровых данных существенно превышает данный порог, то существует значительная вероятность того, что он является бухгалтерским документом или текстом с иной дискурсивной принадлежностью, например, текстом экономической тематики.

Количество повторов в рекламных текстах составило 34 % от общего объема текста, в то время как в нерекламных текстах – 54 %. Исходя из этого, данный прием не может рассматриваться в качестве ключевого критерия, достаточного для идентификации рекламного текста, однако применим в качестве сопутствующего критерия в сочетании с другими описанными в настоящем исследовании критериями.

Результаты проведенной верификации позволили сделать следующие выводы: предложенные алгоритмы автоматизированного анализа текстов отвечают поставленным целям и задачам, реализуя алгоритм поиска формальных маркеров рекламного контента в ка- честве подключаемого модуля GATE, состоящего из JAPE-правил, Gazetteer-списков и регулярного выражения для плагина Java Regexp Annotator; апробация на материале рекламных и нерекламных текстов позволила говорить о высокой степени валидности предложенного алгоритма и, как следствие, о применимости проекта для идентификации рекламных текстов.

Выводы

Рекламные тексты, имеющие в своей основе ряд специфических языковых средств психологического воздействия, являющихся имманентным атрибутом рекламного дискурса, подлежат автоматизированной идентификации и классификации на основе контекстуально идентифицируемых формальных маркеров, манифестирующихся на лексическом, грамматическом, стилистическом и графическом уровнях. Формальные критерии идентификации рекламных текстов открывают возможность автоматизации идентификации рекламного контента в медийном пространстве современных электронных СМИ.

Проведя сопоставительный анализ рекламных текстов и нерекламных медийных текстов с применением разработанного автоматизированного анализатора, мы выяснили, что в рекламных текстах доминируют лексико-синтаксические приемы манипулятивного воздействия. Результаты исследования демонстрируют 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, позволяющих интеллектуальным системам, основанным на семантико-синтаксических анализаторах, четко делимитировать высказывания манипулятивного характера в привязке к объектному позиционированию. Это доказывает эффективность использования автоматизированных систем анализа в идентификации эксплицитных и имплицитных сообщений рекламного характера в медийных текстах, а также установления дискурсивной принадлежности текста, опубликованного в СМИ, с целью его классификации как информационного либо рекламного.

Полученные результаты и выводы имеют практическую применимость в области классификации текстов по их дискурсивной принадлежности к рекламному или нерекламному типу дискурса, в сфере идентификации в текстах различной дискурсивной принадлежности формальных маркеров скрытой суггестии и скрытой рекламы, а также автоматизации идентификации в электронных корпусах текстов дискурсивных средств речевого воздействия, обладающих потенциалом эксплицитной и имплицитной манипуляции массовым сознанием.