Los usuarios virtuales generan un volumen gigantesco de sentimientos desbalanceados en varias plataformas de crowdsourcing en línea que consisten en texto, emojis o una combinación de ambos. Su análisis preciso aporta beneficios a diversas industrias y sus servicios. El estado del arte detecta la polaridad del sentimiento utilizando sentido común solo con texto. El trabajo de investigación propone un marco basado en emojis para la computación cognitivo-conceptual-afectiva de la polaridad del sentimiento basado en los patrones lingüísticos del texto y los emojis. El analizador propuesto, basado en emojis y texto, articula sentimientos con características lingüísticas propuestas junto con una combinación de diferentes emojis para generar la parte del discurso en patrones n-gram. En este documento, se han descargado los sentimientos de 650 personajes famosos a nivel mundial que consisten en 168,548 tweets de todo el mundo. Los resultados ilustran que el marco de procesamiento de lenguaje natural propuesto muestra que la existencia de emojis en los sentimientos muchas veces parece cambiar la polaridad general del sentimiento. Por extensión, el nombre CLDR del emoji se utiliza para evaluar la polaridad precisa de los patrones de emoji, y se adopta un diccionario de sentimientos para evaluar la polaridad del texto. Finalmente, se evalúan las actuaciones de tres clasificadores de ML (SVM, DT y Naïve Bayes) para las características lingüísticas distintivas propuestas. Los experimentos robustos indican que el enfoque propuesto supera al clasificador SVM en comparación con otros clasificadores de ML. El generador de detección de polaridad propuesto ha logrado una perspectiva excepcional de los sentimientos presentados en la oración al emplear el flujo de conceptos establecido, basado en características lingüísticas, inversión de polaridad, coordinación y patrones de discurso, superando el rendimiento de los enfoques existentes de última generación.