Подходы к изучению положительных и отрицательных эмоции в тексте

В данной статье рассматривается проблема выражения положительных и отрицательных эмоций в современном тексте при помощи функционально-семантического подхода. Эмоции встречаются на всех уровнях языка. Изучение передачи эмоций в речи - одна из самых сложных проблем современной лингвистики. В настоящее время тексты являются предметом активных исследований, поскольку они в полной мере отражают природу человека. Следует также отметить, что теории построения текстов недостаточно разработаны и малоизучены в лингвистике. Несмотря на то, что текстовой проблематике посвящено большое количество научных статей, построение целостной теории текста является областью современных лингвистических исследований. Цель данного исследования – изучить и представить методологические основы изучения положительных и отрицательных эмоций в текстах с помощью функционально-семантического подхода. Вопрос о выражении эмоций в текстах является одной из основных проблем теоретической лингвистики. Изучены научные труды, рассматривающие выражения положительных и отрицательных эмоций в текстах с точки зрения функционально-семантического подхода. При изучении этого подхода мы решили использовать следующие научные методы: метод анализа и метод синтеза, индукция и дедукция, сравнительный и логический анализ, а также объективные научные, систематизирующие позиции.

1. Sakaeva L.R., Ermolenko A.Yu. Problems of translating film names based on the material of English and Russian languages. Kazan linguistic journal. 2020;1(3):41–51. DOI: 10.26907/2658-3321.2020.3.1.41-51

2. Ogudo K.A., Nestor D.M.J. Sentiment analysis application and natural language processing for mobile network operators' support on social media. 2019. Available from: https://ieeexplore.ieee.org/document/8851052. [accessed: 02.11.2023]

3. Inoue K., Hara S., Abe M., Hojo N., Ijima Y. Model architectures to extrapolate emotional expressions in DNN-based text-to-speech. Speech Communication. 2021;(126):35–43.

4. Brown J.A., Knollman-Porter K., Hux K., Wallace S.E., Deville C. Effect of digital highlighting on reading comprehension given text-to-speech technology for people with aphasia. Aphasiology. 2021;35(2):200–221.

5. Chen J., Ye L., Ming Z. MASS: Multi-task anthropomorphic speech synthesis framework. Computer Speech and Language; 2021. 70. Article number: 101243.

6. Glazer T. On the virtual expression of emotion in writing. British Journal of Aesthetics. 2017;57(2):177–194.

7. Robus C.M., Hand C.J., Filik R., Pitchford M. Investigating effects of emoji on neutral narrative text: Evidence from eye movements and perceived emotional valence. Computers in Human Behavior; 2020. 109, Article number: 106361.

8. Otamendi F.J., Sutil Martin D.L. The emotional effectiveness of advertisement. Frontiers in Psychology. 2020. 11. Article number: 2088.

9. Chakraborty B., Geetha M. Emotion recognition in a conversational context. Communications in Computer and Information Science. 2018;(950):208–214.

10. Mircoli A. Automatic emotional text annotation using facial expression analysis. 2017. Available from: http://ceur-ws.org/Vol-1848/CAiSE2017_DC_Paper4.pdf. [accessed: 29.10.2023]

11. Mullagayanova G.S. Color designation of emotions in the English language. Middle East Journal of Scientific Research. 2013;15(6):902–906.

12. Lazemi S., Ebrahimpour-Komleh H. Multi-emotion extraction from text based on linguistic analysis. 2018. Available from: https://ieeexplore.ieee.org/document/8387233. [accessed: 15.10.2023]

13. Roos J., Oliver D. Beyond text: Constructing organizational identity multimodally. British Journal of Management. 2018;18(4):342–358.