1. Соснина, Ю. А. Эмотивность внутренней формы слова : по данным метаязыковой деятельности носителей русского языка : диссертация ... кандидата филологических наук : 10.02.01 / Соснина Юлия Александровна; [Место защиты: Кемер. гос. ун-т]. – Кемерово, 2009. – 184 с. EDN: https://elibrary.ru/QEMYIP

2. Жаксыбаев Д. О., Мизамова Г. Н. Алгоритмы обработки естественного языка для понимания семантики текста // Труды ИСП РАН. –2022. – №1. URL: https://cyberleninka.ru/article/n/algoritmy-obrabotki-estestvennogo-yazyka-dlya-ponimaniya-semantiki-teksta (дата обращения: 25.04.2025). DOI: https://doi.org/10.15514/ISPRAS-2022-34(1)-10; EDN: https://elibrary.ru/ICYKEQ

3. Савенков П. А., Волошко А. Г., Ивутин А. Н., Крюков О.С. Формирование вектора поведенческих признаков на основе LSTM и GRU сетей // Известия ТулГУ. Технические науки. – 2024. – №12. URL: https://cyberleninka.ru/article/n/formirovanie-vektora-povedencheskih-priznakov-na-osnove-lstm-i-gru-setey (дата обращения: 18.04.2025). DOI: https://doi.org/10.24412/2071-6168-2024-12-213-214; EDN: https://elibrary.ru/OADBYE

4. Богданов А.Л., Дуля И.С. Сентимент-анализ коротких русскоязычных текстов в социальных медиа // Вестник Томского государственного университета. Экономика. 2019. – №47. URL: https://cyberleninka.ru/article/n/sentiment-analiz-korotkih-russkoyazychnyh-tekstov-v-sotsialnyh-media (дата обращения: 23.04.2025). DOI: https://doi.org/10.17223/19988648/47/17; EDN: https://elibrary.ru/QFXMQA

5. Имбер С. Ю., Томская М. В. Возможность применения нейросети GPT-4 в лингвистическом исследовании: на примере анализа эмотивных текстов // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6. Языкознание. – 2024. – № 4 – С. 126–138. – DOI:https://doi.org/10.31249/ling/2024.04.07 EDN: https://elibrary.ru/BYKOBA

6. Гукосьянц О. Ю., Алимурадов О. А. Эксплицитные и имплицитные маркеры конфликтного речевого поведения в интернет-опосредованной коммуникации периода пандемии COVID-19 // Научные исследования и разработки. Современная коммуникативистика. – 2023. – №. 6. – С. 94 – 104. DOI: https://doi.org/10.12737/2587-9103-2023-12-6-94-104 (дата обращения: 18.04.2025). EDN: https://elibrary.ru/VUUDCG

7. Гукасян Ц. Г. Векторные модели на основе символьных н-грамм для морфологического анализа текстов // Труды ИСП РАН. – 2020. – №2. URL: https://cyberleninka.ru/article/n/vektornye-modeli-na-osnove-simvolnyh-n-gramm-dlya-morfologicheskogo-analiza-tekstov (дата обращения: 16.04.2025). DOI: https://doi.org/10.15514/ISPRAS-2020-32(2)-1; EDN: https://elibrary.ru/LVVKJC

8. Maulud, Dastan & Zeebaree, Subhi & Jacksi, Karwan & M.Sadeeq, Mohammed & Hussein, Karzan. (2021). State of Art for Semantic Analysis of Natural Language Processing. Qubahan Academic Journal. 1. 21 – 28.https://doi.org/10.48161/qaj.v1n2a40.

9. Klaus Greff, Rupesh Kumar Srivastava, Jan Koutník, Bas R. Steunebrink, Jürgen Schmidhuber. LSTM: A Search Space Odyssey // IEEE Transactions on Neural Networks and Learning Systems 2017. – [Электронный ресурс]. – URL: https://arxiv.org/pdf/1503.04069.pdf DOI: https://doi.org/10.1109/TNNLS.2016.2582924

10. Cliche, Mathieu. (2017). BB_twtr at SemEval-2017 Task 4: Twitter Sentiment Analysis with CNNs and LSTMs. 573-580.https://doi.org/10.18653/v1/S17-2094.

11. Khan, Taimoor & Durrani, Mehr & Ali, Armughan & Inayat, Irum & Khalid, Shehzad & Khan, Kamran. (2016). Sentiment analysis and the complex natural language. Complex Adaptive Systems Modeling. 4.https://doi.org/10.1186/s40294-016-0016-9.

12. Luo, Tiejian & Chen, Su & Xu, Guandong & Zhou, Jia. (2013). Sentiment Analysis.https://doi.org/10.1007/978-1-4614-7202-5_4.

13. Smetanin, Sergey. (2020). The Applications of Sentiment Analysis for Russian Language Texts: Current Challenges and Future Perspectives. IEEE Access. PP. 1-1.https://doi.org/10.1109/ACCESS.2020.3002215.

14. Семина Т. А. Анализ тональности текста: современные подходы и существующие проблемы // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Сер. 6, Языкознание: Реферативный журнал. – 2020. – №4. URL: https://cyberleninka.ru/article/n/analiz-tonalnosti-teksta-sovremennye-podhody-i-suschestvuyuschie-problemy (дата обращения: 23.04.2025). EDN: https://elibrary.ru/ICGXZF

15. Yuxiao Chen, Jianbo Yuan, Quanzeng You, and Jiebo Luo. 2018. Twitter Sentiment Analysis via Bi-sense Emoji Embedding and Attention-based LSTM. In Proceedings of the 26th ACM international conference on Multimedia (MM '18). Association for Computing Machinery, New York, NY, USA, 117–125. https://doi.org/10.1145/3240508.3240533