Анализ оценочной лексики в испаноязычном цифровом дискурсе: преодоление ограничений больших языковых моделей

В статье рассматривается проблема понимания оценочной лексики большими языковыми моделями (БЯМ) в цифровом дискурсе. Отмечается, что языковые модели нередко искажают семантику оценочных высказываний, что затрудняет их корректную лингвистическую интерпретацию. Цель исследования — определить, улучшает ли интеграция специализированного знания способность модели точно идентифицировать и классифицировать оценочные значения. Методологически работа опирается на теорию оценки Мартина и Уайта и включает экспериментальную проверку модели GPT-4 на стратифицированном корпусе сообщений в социальной сети. Анализ проводится в двух режимах — с использованием внешнего знания и без него — с последующим сопоставлением результатов с экспертной разметкой по показателям точности и полноты. Результаты демонстрируют существенное улучшение качества автоматической классификации: повышается точность определения оценочных категорий, расширяется спектр обнаруживаемых элементов, выявляются новые паттерны смысловой вариативности. B выводах подчеркивается, что обогащение БЯМ структурированным знанием повышает надежность анализа оценочной лексики и позволяет глубже понять механизмы ее функционирования в цифровом дискурсе. Предложенный подход открывает перспективы для совершенствования автоматизированных методов анализа оценочных значений в лингвистических исследованиях.