discourseДискурсDiscourse2412-85622658-7777СПбГЭТУ «ЛЭТИ»10.32603/2412-8562-2025-11-4-121-138discourse-826Research ArticleЯЗЫКОЗНАНИЕLINGUISTICSСемиотический анализ текстов и интерпретация знаковых систем в цифровую эпоху: Sentiment-анализ с использованием платформы KNIMESemiotic Analysis of Texts and Interpretation of Sign Systems in the Digital Era: Sentiment-analysis Using the KNIME Platformhttps://orcid.org/0000-0003-1048-7492ИсаеваЕ. В.IsaevaE. V.

Исаева Екатерина Владимировна – кандидат филологических наук (2013), доцент (2019), заведующая кафедрой английского языка профессиональной коммуникации

 ул. Букирева, д. 15, г. Пермь, 614068.

Автор 86 научных публикаций.

Сфера научных интересов: дискурсивная лингвистика, когнитивное терминоведение, интеллектуальный анализ текста, цифровая лингвистика. 

Ekaterina V. Isaeva – Can. Sci. (Philology, 2013), Docent (2019), Head of Department of English for Professional Communication

15 Bukireva str., Perm 614068.

The author of 86 scientific publications.

Area of expertise: discursive linguistics, cognitive term science, text mining, digital linguistics. 

ekaterinaisae@gmail.comhttps://orcid.org/0009-0001-0610-5511СеменовС. В.SemenovS. V.

Семенов Сергей Владимирович – студент (4-й курс) направления «Лингвистика»

 ул. Букирева,  д. 15, г. Пермь, 614068

Сфера научных интересов: лингвистика, переводоведение, анализ тональности текста, Sentiment-анализ. 

Sergey V. Semenov – Student (4th year, Linguistics)

15 Bukireva str., Perm 614068.

Area of expertise: linguistics, translation studies, Sentiment-analysis.  

ssemenov2002@gmail.comhttps://orcid.org/0009-0001-0704-2364ЧерныхД. Л.ChernykhD. L.

Черных Денис Львович – студент (4-й курс) направления «Лингвистика»

ул. Букирева, д. 15,  г. Пермь, 614068.

Сфера научных интересов: цифровая лингвистика, анализ тональности текста, Sentiment-анализ. 

Denis L. Chernykh – Student (4th year, Linguistics)

15 Bukireva str., Perm 614068.

Area of expertise: digital linguistics, Sentiment-analysis. 

denis.1291.chernykh@gmail.comhttps://orcid.org/0009-0004-4440-4303ГудовщиковА. В.GudovshikovA. V.

Гудовщиков Алексей Викторович – студент (4-й курс) направления «Лингвистика» 

ул. Букирева, д. 15, г. Пермь, 614068.

Сфера научных интересов: лингвистика, переводоведение, анализ тональности текста, Sentiment-анализ, интерпретация текста. 

Alexei V. Gudovshikov – Student (4th year, Linguistics)

15 Bukireva str., Perm 614068

Area of expertise: linguistics, translation studies, Sentiment-analysis, text interpretation. 

revandarth375@gmail.comПермский государственный национальный исследовательский университетРоссияPerm State UniversityRussian Federation202524092025114121138Copyright © Исаева Е.В., Семенов С.В., Черных Д.Л., Гудовщиков А.В., 20252025Исаева Е.В., Семенов С.В., Черных Д.Л., Гудовщиков А.В.Isaeva E.V., Semenov S.V., Chernykh D.L., Gudovshikov A.V.This work is licensed under a Creative Commons Attribution 4.0 License.https://discourse.elpub.ru/jour/article/view/826Введение

Введение. Целью статьи является изучение возможности интеграции семиотических подходов и методов машинного обучения для автоматизированного анализа тональности текстов (Sentiment-анализа). Sentiment-анализ текста является популярным направлением лингвистики на стыке с компьютерными науками и анализом данных. Новизна работы заключается в попытке интерпретации результатов машинного обучения с опорой на содержание текстов отзывов как знаковых систем, выявляя их лексические, синтаксические и прагматические характеристики.

 Методология и источники

 Методология и источники. Исследование опирается как на фундаментальные основы семантики, синтактики и прагматики, так и на современные подходы к автоматизации обработки текстовой информации и применению математических методов для обоснования речевых явлений. Материалом исследования послужил свободно распространяемый набор данных отзывов на кинофильмы с платформы IMDB. В качестве инструмента автоматизации применяется система KNIME для анализа данных в парадигме «No-coding» (без кодирования). В статье представлен рабочий поток, включающий этапы предобработки данных, построения моделей классификации, а также оценки их эффективности, предложена лингвистическая интерпретация ошибок автоматической классификации отзывов.

 Результаты и обсуждение

 Результаты и обсуждение. Результаты демонстрируют высокую точность классификации (до 92,0 %) и способность алгоритмов выявлять ключевые лексические и синтаксические маркеры, формирующие эмоциональную окраску текста. Исследование расширяет границы традиционной семиотики, интегрируя методы машинного обучения и анализа больших данных, а также подчеркивает практическую ценность использования KNIME в задачах обработки естественного языка.

 Заключение

 Заключение. В статье дается детализированное описание алгоритма автоматизации Sentiment-анализа отзывов на кинофильмы с учетом преимуществ и потенциальных сложностей такого подхода для интерпретации текста. Перспективы дальнейших исследований включают применение предложенных методов к многоязычным корпусам и анализу мультимодальных данных, что открывает новые возможности для изучения знаковых систем в условиях цифровой коммуникации. Предложенная методика может найти применение в коммерческой сфере для выявления настроений пользователей товаров, услуг, приложений, книг, фильмов и т.д., что повышает интерес к лингвистической науке, а именно к автоматическому анализу тональности или Sentiment-анализу.

Introduction

Introduction. The aim of the article is to study the feasibility of integrating semiotic approaches and machine learning methods for Sentiment-analysis. Sentiment-analysis is a popular area of linguistics at the interface with computer science and data analysis. The novelty of the paper lies in the attempt to interpret the results of machine learning based on the text of reviews as sign systems, revealing their lexical, syntactic, and pragmatic characteristics.

 Methodology and sources

 Methodology and sources. The research is based on the fundamental principles of semantics, syntactics, and pragmatics, as well as on modern approaches to the automation of textual information processing and the application of mathematical methods to substantiate speech phenomena. The research material is a freely distributed data set of film reviews from the IMDB platform. The KNIME system for data analysis in the ‘No-coding’ paradigm is used as an automation tool. The paper presents a workflow including the stages of data preprocessing, construction of classification models, and evaluation of their effectiveness, and proposes a linguistic interpretation of automatic review classification errors.

 Results and discussion

 Results and discussion. The results demonstrate high classification accuracy (up to 92,0 %) and the ability of the algorithms to identify key lexical and syntactic markers that form the emotional colouring of the text. The study extends the boundaries of traditional semiotics by integrating methods of machine learning and big data analysis, and emphasises the practical value of using KNIME in natural language processing tasks.

 Conclusion

 Conclusion. This paper provides a detailed description of an algorithm for automating Sentiment analysis of film reviews, taking into account the advantages and potential challenges of this approach for text interpretation. Prospects for further research include applying the proposed methods to multilingual corpora and analysing multimodal data, which opens up new opportunities for studying sign systems in digital communication. The proposed methodology can be applied in the commercial sphere to identify the attitudes of users to goods, services, applications, books, films, etc., which increases the interest in linguistic services, namely Sentiment analysis.

семиотикатональностьанализ настроенийинтерпретациязнаковые системылексические маркерымашинное обучениеKNIMEsemioticssentimentsentiment analysisinterpretationsign systemslexical markersmachine learningKNIMEReferencesPopova E. O., Volkova Y. A. Identification of Extremism Signs through the Analysis of the Text Tonality // Functional Aspects of Intercultural Communication. Translation and Interpreting Issues. Vol. 6: XI Int. Sci. Interdisciplinary Conf. on Research and Methodology, Moscow, 24 Nov. 2023 / RUDN Univ. Moscow, 2023. С. 66–76. DOI: 10.22363/2712-7974-2019-6-66-76.Popova, E.O. and Volkova, Ya.A. (2019),”Identification of Extremism Signs through the Analysis of the Text Tonality”, Functional Aspects of Intercultural Communication. Translation and Interpreting Issues, Vol. 6: XI Int. Sci. Interdisciplinary Conf. on Research and Methodology, Moscow, RUS, 24 Nov. 2023, pp. 66–76. DOI: 10.22363/2712-7974-2019-6-66-76.Analysis of Tonality of Text Using Machine Learning / D. Gautham Sai, Govind Reddy S, D. Greeshma et al. // IJRASET. 2023. Vol. 11, iss. XII. P. 973–979. DOI: 10.22214/ijraset.2023.57492.Sai, D. Gautham, Reddy S. Govind, Greeshma, D. et al. (2023), “Analysis of Tonality of Text Using Machine Learning”, IJRASET, vol. 11, iss. XII, pp. 973–979. DOI: 10.22214/ijraset.2023.57492.Baydogan C., Alatas B. Sentiment analysis using Konstanz Information Miner in social networks // 6th Int. Symposium on Digital Forensic and Security (ISDFS), Antalya, 22–25 March 2018 / IEEE. Antalya, 2018. DOI: 10.1109/ISDFS.2018.8355395.Baydogan, C. and Alatas, B. (2018), “Sentiment analysis using Konstanz Information Miner in social networks”, 6th Int. Symposium on Digital Forensic and Security (ISDFS), Antalya, TUR, 22–25 March 2018. DOI: 10.1109/ISDFS.2018.8355395.Taboada M. Sentiment Analysis: An Overview from Linguistics // Annual Review of Linguistics. 2016. Vol. 2. P. 325–347. DOI: 10.1146/annurev-linguistics-011415-040518.Taboada, M. (2016), “Sentiment Analysis: An Overview from Linguistics”, Annual Review of Linguistics, vol. 2, pp. 325–347. DOI: 10.1146/annurev-linguistics-011415-040518.Benamara F., Taboada M., Mathieu Y. Evaluative Language Beyond Bags of Words: Linguistic Insights and Computational Applications // Computational Linguistics. 2017. Vol. 43, № 1. С. 201–264. DOI: 10.1162/COLI_a_00278.Benamara, F., Taboada, M. and Mathieu, Y. (2017), “Evaluative Language Beyond Bags of Words: Linguistic Insights and Computational Applications”, Computational Linguistics, vol. 43, no. 1, pp. 201-264. DOI: 10.1162/COLI_a_00278.A Meta-Framework for Modeling the Human Reading Process in Sentiment Analysis / R. Baly, R. Hobeica, H. Hajj et al. // ACM Transactions on Information Systems. 2017. Vol. 35, iss. 1: 7. DOI: 10.1145/2950050.Baly, R. et al. (2017), “A Meta-Framework for Modeling the Human Reading Process in Sentiment Analysis”, ACM Transactions on Information Systems, vol. 35, iss. 1: 7. DOI: 10.1145/2950050.Lu B. On computing textual sentiment with linguistic knowledge and semi-supervised learning: Dr. Sci. (Philosophy) Thesis / Hong Kong. City Univ. of Hong Kong, 2013.Lu, B. (2013), “On computing textual sentiment with linguistic knowledge and semi-supervised learning”. Dr. Sci. (Philosophy) Thesis, City Univ. of Hong Kong, Hong Kong, HKG.Stepanov Ju. S. Some Burning Issues of Contemporary Semiotics // Linguistics. 1974. Vol. 12, iss. 141. P. 53–66. DOI: 10.1515/ling.1974.12.141.53.Stepanov, Ju.S. (1974), “Some Burning Issues of Contemporary Semiotics”, Linguistics, vol. 12, Iss. 141, pp. 53–66. DOI: 10.1515/ling.1974.12.141.53.Veron E. Ideology and Social Sciences: A Communicational Approach // Semiotica. 1971. Т. 3, iss. 1. P. 59–76. DOI: https://doi.org/10.1515/semi.1971.3.1.59.Veron, E. (1971), “Ideology and Social Sciences: A Communicational Approach”, Semiotica, vol. 3, iss. 1, pp. 59–76. DOI: https://doi.org/10.1515/semi.1971.3.1.59.Allwood J. A Bird’s Eye View of Pragmatics // Papers from the Fourth Scandinavian Conference of Linguistics. Odense: Odense Univ. Press, 1978. P. 145–159.Allwood, J. (1978), “A Bird’s Eye View of Pragmatics”, Papers from the Fourth Scandinavian Conference of Linguistics, Odense Univ. Press., Odense, DNK, pp. 145–159.Гриневич О. А. Динамика функционирования усадебного сверхтекста русской литературы: семантика, синтактика, прагматика // Известия Смолен. гос. ун-та. 2020. № 1 (49). С. 46–60. DOI: 10.35785/2072-9464-2020-49-1-46-60.Grinevich, O.A. (2020), “Dynamics of the estate supertext functioning in Russian literature: semantics, syntactics, pragmatics”, Izvestia of Smolensk State Univ., no. 1 (49), pp. 46–60. DOI: 10.35785/2072-9464-2020-49-1-46-60.Hogenboom A. Sentiment Analysis of Text Guided by Semantics and Structure. Rotterdam: Erasmus Univ. Rotterdam, 2009.Hogenboom, A. (2009), Sentiment Analysis of Text Guided by Semantics and Structure, Erasmus Univ. Rotterdam, Rotterdam, NDL.A New Approach for Carrying Out Sentiment Analysis of Social Media Comments Using Natural Language Processing / M. Ranjan, S. Tiwari, A. Md Sattar, N. S. Tatkar // Engineering Proceedings. 2023. Vol. 59, iss. 1: 181. DOI: 10.3390/engproc2023059181.Ranjan, M., Tiwari, S., Md Sattar, A. and Tatkar, N.S. (2023), “A New Approach for Carrying Out Sentiment Analysis of Social Media Comments Using Natural Language Processing”, Engineering Proceedings, vol. 59, iss. 1: 181. DOI: 10.3390/engproc2023059181.Vilares D. Sentiment analysis for reviews and microtexts based on lexico-syntactic knowledge. 2013. URL: https://www.scienceopen.com/hosted-document?doi=10.14236/ewic/FDIA2013.8 (дата обращения: 27.01.2025).Vilares, D. (2013), Sentiment analysis for reviews and microtexts based on lexico-syntactic knowledge, available at: https://www.scienceopen.com/hosted-document?doi=10.14236/ewic/FDIA2013.8 (accessed 27.01.2025).Chauhan D., Sutaria K., Doshi R. Impact of Semiotics on Multidimensional Sentiment Analysis on Twitter: A Survey // Second Int. Conf. on Computing Methodologies and Communication (ICCMC), 15–16 Feb. 2018 / Erode. IEEE, 2018. P. 671–674. DOI: 10.1109/ICCMC.2018.8487851.Chauhan, D., Sutaria, K. and Doshi, R. (2018), “Impact of Semiotics on Multidimensional Sentiment Analysis on Twitter: A Survey”, Second Int. Conf. on Computing Methodologies and Communication (ICCMC), Erode, IND, 15–16 Feb. 2018, pp. 671–674. DOI: 10.1109/ICCMC.2018.8487851.Liebmann M., Hagenau M., Neumann D. Information Processing in Electronic Markets: Measuring Subjective Interpretation Using Sentiment Analysis // ICIS 2012 Proceedings. 2012. URL: https://aisel.aisnet.org/icis2012/proceedings/KnowledgeManagement/9 (дата обращения: 27.01.2025).Liebmann, M., Hagenau, M. and Neumann, D. (2012), “Information Processing in Electronic Markets: Measuring Subjective Interpretation Using Sentiment Analysis”, ICIS 2012 Proceedings, available at: https://aisel.aisnet.org/icis2012/proceedings/KnowledgeManagement/9 (accessed 27.01.2025).Singh B., Kushwaha N., Vyas O. P. An interpretation of sentiment analysis for enrichment of Business Intelligence // IEEE Region 10 Conference (TENCON), Singapore, 22–25 Nov. 2016 / Singapore, IEEE, 2016. P. 18–23. DOI: 10.1109/TENCON.2016.7847950.Singh, B., Kushwaha, N. and Vyas, O.P. (2016), “An interpretation of sentiment analysis for enrichment of Business Intelligence”, IEEE Region 10 Conference (TENCON), Singapore, SGP, 22–25 Nov. 2016, pp. 18–23. DOI: 10.1109/TENCON.2016.7847950.Thiel K. Introduction to the KNIME Text Processing Extension // Text Mining and Visualization: Case Studies Using Open-Source Tools. 1st ed. / ed. by M. Hofmann, A. Chisholm. London; NY: Chapman and Hall, 2016. P. 63–80. DOI: https://doi.org/10.1201/b19007.Thiel, K. (2016), “Introduction to the KNIME Text Processing Extension”, Text Mining and Visualization: Case Studies Using Open-Source Tools, 1st ed., in Hofmann, M. and Chisholm, A. (eds.), Chapman and Hall, London, NY, UK, pp. 63–80. DOI: https://doi.org/10.1201/b19007.Meinl T., Jagla B., Berthold M. R. Integrated data analysis with KNIME // Open Source Software in Life Science Research / ed by L. Harland, M. Forster. Cambridge: Woodhead Publishing Ltd., 2012. pp. 151–171. DOI: https://doi.org/10.1533/9781908818249.151.Meinl, T., Jagla, B. and Berthold, M.R. (2012), “Integrated data analysis with KNIME”, Open Source Software in Life Science Research, in Harland, L. and Forster, M. (eds.), Woodhead Publishing Ltd., Cambridge, UK, pp. 151–171. DOI: https://doi.org/10.1533/9781908818249.151.Dorr R. A., Casal J. J., Toriano R. Text Mining of Biomedical Articles Using the Konstanz Information Miner (KNIME) Platform: Hemolytic Uremic Syndrome as a Case Study // Healthcare Informatics Research. 2022. Vol. 28, no. 3. P. 276–283. DOI: 10.4258/hir.2022.28.3.276.Dorr, R.A., Casal, J.J. and Toriano, R. (2022), “Text Mining of Biomedical Articles Using the Konstanz Information Miner (KNIME) Platform: Hemolytic Uremic Syndrome as a Case Study”, Healthcare Informatics Research, vol. 28, no. 3, pp. 276–283. DOI: 10.4258/hir.2022.28.3.276.Towards Simplification of Analytical Workflows With Semantics at Siemens (Extended Abstract) / E. Kharlamov, G. Mehdi, O. Savkovic et al. // IEEE Int. Conf. on Big Data (Big Data), Seattle, WA,10–13 Dec. 2018 / IEEE. Seattle, 2018. P. 1951–1954. DOI: 10.1109/BigData.2018.8622652.Kharlamov, E., Mehdi, G., Savkovic, O. et al. (2018), “Towards Simplification of Analytical Workflows with Semantics at Siemens (Extended Abstract)”, IEEE Int. Conf. on Big Data (Big Data), Seattle, WA, USA, 10–13 Dec. 2018, pp. 1951–1954. DOI: 10.1109/BigData.2018.8622652.Smart Technologies for Genre Closeness Evaluation / E. Isaeva, O. Mnazhula, O. Baiburova, R. Crawford // Lecture Notes in Networks and Systems. 2022. Vol. 342, Cham: Springer. DOI: 10.1007/978-3-030-89477-1_60.Isaeva, E., Manzhula, O., Baiburova, O. and Crawford, R. (2022), “Smart Technologies for Genre Closeness Evaluation”, Lecture Notes in Networks and Systems, vol. 342, Springer, Cham, CHE. DOI: 10.1007/978-3-030-89477-1_60.Isaeva E. Topic Modelling in Computer Security Discourse: a Case Study of Whitepaper Publications and News Feeds // Perm Univ. Herald. Russian and Foreign Philology. 2022. Vol. 14, iss. 2. P. 18–26. DOI: 10.17072/2073-6681-2022-2-18-26.Isaeva, E. (2022), “Topic Modelling in Computer Security Discourse: a Case Study of Whitepaper Publications and News Feeds”, Perm Univ. Herald. Russian and Foreign Philology, vol. 14, iss. 2, pp. 18–26. DOI: 10.17072/2073-6681-2022-2-18-26.Valtolina S., Barricelli B. R., Dittrich Y. Participatory knowledge-management design: A semiotic approach // J. of Visual Languages & Computing. 2012. Vol. 23, iss. 2. P. 103–115. DOI: https://doi.org/10.1016/j.jvlc.2011.11.007.Valtolina, S., Barricelli, B.R. and Dittrich, Y. (2012), “Participatory knowledge-management design: A semiotic approach”, J. of Visual Languages & Computing, vol. 23, iss. 2. pp. 103–115. DOI: https://doi.org/10.1016/j.jvlc.2011.11.007.03_Sentiment_Classification rev 1 – KNIME Community Hub // KNIME Open for Innovation. 23.06.2024. URL: https://hub.knime.com/rfeigel/spaces/Public/03_Sentiment_Classification%20rev%201~4i6l8oqEGQ_ngBU5/current-state (дата обращения: 27.01.2025).“03_Sentiment_Classification rev 1 – KNIME Community Hub” (2024), KNIME Open for Innovation, 23.06.2024, available at: https://hub.knime.com/rfeigel/spaces/Public/03_Sentiment_Classification%20rev%201~4i6l8oqEGQ_ngBU5/current-state (accessed 27.01.2025).

The authors declare that there are no conflicts of interest present.