Разработка и программная реализация электронного когнитивно-ориентированного толкового словаря антонимичных глаголов с приставками

Введение: Актуальность, цели и задачи проектно-исследовательской работы

В эпоху цифровизации и бурного развития технологий обработки естественного языка (NLP) создание высокопроизводительных, но при этом лингвистически глубоких электронных словарей становится задачей, лежащей на стыке прикладной лингвистики и программной инженерии. Актуальность данной работы обусловлена двойным вызовом: с одной стороны, необходимостью обеспечить мгновенный доступ к лексической информации (требование инженерной эффективности), а с другой — отразить сложность и многомерность языкового значения, присущую современному когнитивному подходу.

Антонимичные глаголы с приставками в русском языке представляют собой идеальную предметную область для такого исследования. Они являются системообразующей единицей лексики, демонстрируя высокую степень словообразовательной активности и семантической структурированности (например, пары вбежать/выбежать, загрузить/разгрузить). Толковый словарь, основанный на когнитивной модели, способен не просто предоставить дефиницию, но и раскрыть ценностно-смысловые глубины слова, его связь с культурными концептами и фреймами. Таким образом, мы переходим от пассивного описания к активному объяснению языковой картины мира.

Целью данной проектно-исследовательской работы является разработка теоретической программной модели и практическая реализация электронного толкового словаря русского языка, ориентированного на антонимичные глаголы с приставками, с обязательным обоснованием лингвистических основ и алгоритмического обеспечения.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Проанализировать теоретические положения когнитивной лингвистики и лексикографии как основы для структурирования словарной статьи.
2. Обосновать выбор предметной области (антонимичные глаголы) и провести их семантический анализ.
3. Разработать детализированную структуру словарной статьи, основанную на фреймовой семантике.
4. Спроектировать высокопроизводительную программную архитектуру, выбрав оптимальные структуры данных для хранения и поиска.
5. Реализовать алгоритмическое обеспечение обработки запросов, включая морфологический и синтаксический анализ для повышения релевантности.

Объектом исследования выступают антонимичные глаголы с приставками в современном русском языке. Предметом исследования является программная модель и алгоритмы электронного лексикографического ресурса.

Теоретические основы лексикографии и когнитивной лингвистики

Ключевой тезис: Определения и когнитивный подход

Лексикография, как прикладная лингвистическая дисциплина, занимается теорией и практикой составления словарей. В контексте данной работы ключевыми единицами анализа выступают лексема (слово как абстрактная единица языка, представленная совокупностью своих форм и значений) и антоним (лексема, имеющая противоположное значение другой лексеме в рамках одного категориального поля). Словарь представляет собой систематизированный сборник лексических единиц с их толкованием, грамматической и стилистической характеристикой.

Традиционная лексикография зачастую ограничивается формальным описанием значения и употребления, однако для создания по-настоящему толкового словаря, предназначенного для глубокого понимания семантики, необходим когнитивный подход. Когнитивная лингвистика (КЛ) рассматривает язык не как автономную систему, а как отражение общего когнитивного механизма, системы знаков, играющих роль в репрезентации и трансформации информации. Применение КЛ позволяет учитывать ценностно-смысловые глубины слова и взаимоотношение образного слова, познания и культуры, что критически важно для адекватного толкования. Отсюда следует, что современный словарь должен объяснять не только «что», но и «как» мы думаем, используя данное слово.

Когнитивные механизмы структурирования лексики

Фундаментальными для структурирования словарной статьи в когнитивно-ориентированном словаре являются два мощных механизма: Фреймовая семантика и Теория концептуальной метафоры.

Фреймовая семантика (Ч. Филлмор) постулирует, что понимание слова возможно только на фоне целостных структур знаний — фреймов. Фрейм — это стереотипный сценарий, структурированный пакет информации о типичной ситуации, который активируется при упоминании того или иного слова. Например, глагол «купить» активирует фрейм «КОММЕРЧЕСКАЯ СДЕЛКА», включающий обязательные роли (Продавец, Покупатель, Товар, Деньги) и этапы. Для антонимичных глаголов (например, «вбежать») фрейм «ПЕРЕМЕЩЕНИЕ» должен включать зоны, описывающие начальную точку, конечную точку, направление и способ движения.

Теория концептуальной метафоры (Дж. Лакофф и М. Джонсон) утверждает, что абстрактные понятия осмысливаются посредством метафор, основанных на более конкретном, телесном опыте. Например, концепт «ВРЕМЯ» часто осмысливается как «ДЕНЬГИ» (время можно потратить или сэкономить). Для антонимичных глаголов (особенно связанных с психическими процессами или абстрактными состояниями, например, «успокоить/взволновать») важно выделить концептуальные метафоры, лежащие в основе их противоположности. Это позволяет пользователю словаря понять не только буквальное значение, но и культурно-обусловленный подтекст, что делает словарь по-настоящему толковым.

Особенности электронного лексикографирования

Электронный словарь (ЭС) представляет собой качественный скачок по сравнению с традиционными бумажными изданиями, что обусловлено его программно-алгоритмической природой.

Критическим преимуществом ЭС является значительное ускорение процесса поиска, что достигается за счет оптимизированных структур данных.

Параметр	Традиционный (Печатный) Словарь	Электронный Словарь (ЭС)
Скорость поиска	O(log N) (бинарный поиск по алфавиту), занимает секунды.	O(1) (константная сложность при использовании хеш-таблиц), занимает миллисекунды.
Гибкость структуры	Жестко фиксирована, линейна.	Гибкая, многомерная; позволяет формировать вид статьи в соответствии с запросом пользователя (например, показывать только синонимы или только примеры употребления).
Объем и обновление	Ограничен объемом книги, обновление затруднено.	Практически неограничен, легко поддается актуализации и расширению.

Для словаря, содержащего 100 000 словарных статей, поиск в печатном издании требует множества физических итераций. В электронном же словаре, при оптимальной организации данных (см. раздел Программная архитектура), среднее время поиска равно O(1) (константа), обеспечивая мгновенный отклик. Дополнительные функции, такие как автодополнение запроса, проверка орфографии, морфологический поиск и гиперссылки между статьями, становятся стандартом, недостижимым для печатных аналогов.

Семантическая модель предметной области: Антонимичные глаголы с приставками

Обоснование выбора предметной области

Выбор антонимичных глаголов с приставками в качестве предметной области обусловлен тремя факторами:

1. Системность лексики: Антонимия является одной из системообразующих единиц лексики, а глаголы отражают наиболее динамичную часть мира — процессы, действия, изменения.
2. Словообразовательная продуктивность: Приставочные глаголы демонстрируют четкие парадигматические оппозиции, основанные на противоположных значениях префиксов (воз-, низ-, за-, раз-), что позволяет применить четкий тематический принцип отбора и классификации.
3. Коммуникативная актуальность: Для учебного или справочного словаря важен отбор лексики, которая активно используется. Критерий коммуникативной актуальности включает частотность употребления и стилевую нейтральность/маркированность, что позволяет сконцентрироваться на наиболее востребованных приставочных парах (например, глаголах движения и изменения состояния).

Что из этого следует? Целенаправленное изучение приставочных глаголов позволяет выявить наиболее устойчивые и предсказуемые механизмы формирования антонимии в русском языке, что упрощает как процесс лексикографирования, так и обучение.

Анализ антонимии глаголов с приставками как отражение противоположностей

Семантика антонимичных глаголов с приставками отражает фундаментальные противоположности в концептуальной картине мира, связанные с:

• Движением и перемещением: входить / выходить, приехать / уехать.
• Изменением положения в пространстве: возложить / низложить, влезать / слезать.
• Физическими или психическими процессами: заморозить / разморозить, воспламенить / угасить.

В основе этой антонимии лежит парадигматическое противопоставление двух оппозиций, часто реализующееся через морфемный состав. К наиболее продуктивным антонимичным парам глагольных приставок относятся:

Пара приставок	Семантика оппозиции	Примеры антонимичных глаголов
за- / раз-(рас-)	Начало/Конец действия; Соединение/Рассоединение.	Завязать / развязать, заморозить / разморозить
при- / у-	Приближение/Удаление, Достижение/Потеря.	Приезжать / уезжать, принести / унести
в-(во-) / вы-	Направленность внутрь/Направленность наружу.	Вбежать / выбежать, ввезти / вывезти
воз- / низ- / с-	Направленность вверх/Направленность вниз.	Возложить / сложить, влезать / слезать

Синтагматический и парадигматический анализ приставочных глагольных пар

Анализ глаголов-антонимов проводится в двух ключевых аспектах:

1. Парадигматический анализ (вертикальный): Это противопоставление дефиниций на уровне лексико-семантической системы. Глаголы рассматриваются вне контекста, исходя из их базового значения. Например, пара «завязать/развязать» противопоставлена по семе «установление связи» vs «уничтожение связи». В словаре это отражается через четкое выделение антонимической оппозиции и базовых сем.
2. Синтагматический анализ (горизонтальный): Это анализ связи слова со словом в линейной последовательности, то есть изучение коллокаций (устойчивых словосочетаний) и моделей управления. Например, глагол «загрузить» требует прямого дополнения (*загрузить что-либо*) и часто сочетается с лексемами, обозначающими информацию или товар (*загрузить данные, загрузить машину*). Синтагматический аспект критически важен для электронного словаря, поскольку он позволяет повысить релевантность поиска и предоставить пользователю примеры естественного употребления.

Проектирование структуры словарной статьи на когнитивно-лингвистической основе

Ключевой тезис: Детализированная и формализованная структура статьи

Традиционная словарная статья состоит из заголовочного слова, грамматической информации и дефиниции. В когнитивно-ориентированном словаре эта структура должна быть расширена для формальной репрезентации когнитивных структур (фреймов и концептов). Почему так важно формализовать структуру? Только формализация позволяет использовать данные в высокопроизводительных алгоритмах обработки запросов.

Структура словарной статьи должна быть формализована как объект или набор связанных данных, пригодный для хранения в базе данных или хеш-таблице.

Формализованная структура словарной статьи (СА)

Зона СА	Описание и Лингвистическая основа	Формат данных
1. Заголовочный комплекс (Лемма)	Лемма (базовая форма глагола), транскрипция, часть речи.	Строка, массив.
2. Грамматические и Морфологические данные	Вид (СВ/НСВ), переходность, управление (падежи).	Массив падежей (например, Acc/Dat), булевы флаги.
3. Дефиниция (Базовое значение)	Традиционное толкование (в рамках парадигматического анализа).	Текстовое поле.
4. Ключевой Фрейм (Фреймовая репрезентация)	Название фрейма, который активируется словом (напр., "ПЕРЕМЕЩЕНИЕ", "КОНФЛИКТ").	Строка, ссылки на связанные статьи.
5. Антонимическая оппозиция	Прямой антоним (второй член пары) и тип оппозиции (градуальная, комплементарная).	Связанный ключ (ID антонима).
6. Концептуальные связи (Метафора)	Описание метафорического переноса или концепта, связанного со словом (напр., "ЭМОЦИЯ КАК СОСУД").	Текстовое поле.
7. Синтагматика (Коллокации)	Устойчивые словосочетания, примеры управления (синтаксический аспект).	Массив строк, теги.

Пример моделирования словарной статьи: Вбежать / Выбежать

Рассмотрим антонимичную пару вбежать / выбежать, относящуюся к семантике движения.

Словарная Статья: ВБЕЖАТЬ (СВ)

Зона СА	Содержание	Комментарий
1. Лемма	ВБЕЖАТЬ
2. Грам. данные	Совершенный вид (СВ), непереходный, управление: в + Вин. п. / в + Пред. п. (с предлогом).
3. Дефиниция	Войти куда-либо бегом, стремительно переместиться внутрь пространства.	Традиционное толкование.
4. Ключевой Фрейм	ПЕРЕМЕЩЕНИЕ ИНТЕНСИВНОЕ (ВНУТРЬ)	Активирует стереотипный сценарий.
5. Антоним	ВЫБЕЖАТЬ (ID 42B)	Указание на парное слово.
6. Концептуальные связи	Концепт "ПРОСТРАНСТВО КАК КОНТЕЙНЕР". Приставка в- кодирует идею границы и погружения.	Описание когнитивной основы.
7. Синтагматика	Вбежать в комнату, в здание, в аудиторию.	Извлечение коллокаций.

Подобное фреймовое структурирование позволяет пользователю не только узнать, что означает слово, но и как оно осмысливается в когнитивной системе. Смена перспективы: разве не это должно стать главным критерием качества современного толкового словаря?

Программная архитектура и оптимизированные структуры данных

Ключевой тезис: Двухзвенная архитектура хранения данных

Для достижения высокой производительности и минимизации ограничений по памяти в программной реализации словаря необходима гибридная архитектура, сочетающая структуры данных, оптимизированные для разных типов запросов.

Мы предлагаем Двухзвенную архитектуру, где:

1. Основное хранение и быстрый поиск по точной лемме обеспечивается Хеш-таблицей.
2. Специализированные задачи (поиск по префиксу, автодополнение) решаются с помощью Сжатого префиксного дерева (Radix Tree).

Реализация быстрого поиска по ключу

Для хранения пар "лемма – словарная статья" и обеспечения мгновенного доступа используется Хеш-таблица (ассоциативный массив).

Обоснование: Хеш-таблица обеспечивает константную асимптотическую сложность операций добавления, удаления и поиска, равную $O(1)$ в среднем случае. Это критически важно для производительности словаря, где 99% запросов — это поиск точной леммы.

Алгоритмическая сложность поиска в Хеш-таблице (средний случай):

1. Вычисление хеш-кода: $h(L)$, где $L$ — лемма.
2. Доступ к ячейке памяти: $O(1)$.
3. Поиск в цепочке: При равномерном распределении и коэффициенте заполнения $\alpha$ поиск занимает $O(1 + \alpha)$. Поддерживая низкий коэффициент заполнения (перехеширование), мы сохраняем сложность на уровне O(1).

Метод разрешения коллизий: Рекомендуется использовать метод цепочек, при котором элементы, сгенерировавшие одинаковый хеш, хранятся в связанном списке (или вложенном массиве) по этому индексу.

Оптимизация поиска по префиксу и памяти

Для реализации функции автодополнения (когда пользователь вводит первые буквы и система предлагает варианты) требуется эффективный поиск по префиксу.

Использование Сжатого префиксного дерева (Radix Tree):

Стандартное префиксное дерево (Trie) хранит символы в узлах. Для русского языка, с его обширным алфавитом и длинными словами, это приводит к неэффективному расходу памяти из-за большого количества промежуточных узлов с одним потомком. Сжатое префиксное дерево (Compressed Trie/Radix Tree) решает эту проблему путем объединения цепочек узлов, не имеющих ветвлений, в один узел с меткой, содержащей целый сегмент строки.

Преимущества Radix Tree для русского языка:

1. Поиск по префикс��: Операция выполняется со сложностью $O(k)$, где $k$ — длина префикса, что значительно быстрее, чем линейный перебор всех лемм.
2. Экономия памяти: Существенно сокращает количество указателей и узлов по сравнению со стандартным Trie, что критически важно для in-memory словарей.

Структура данных	Назначение	Асимптотическая сложность поиска	Преимущества
Хеш-таблица	Основное хранение, поиск по точной лемме.	$O(1)$ (в среднем)	Мгновенный доступ, лучшая производительность.
Radix Tree	Автодополнение, поиск по префиксу.	$O(k)$ (где $k$ – длина префикса)	Экономия памяти, быстрый поиск по началу слова.

Алгоритмическое обеспечение обработки пользовательского запроса

Ключевой тезис: Многоэтапный алгоритм обработки

Ввод слова пользователем — это лишь первый этап, за которым следует сложный аналитический процесс, необходимый для точного сопоставления запроса со статьей словаря. Детальное описание многоэтапного алгоритма обработки существенно повышает релевантность выдачи.

Блок-схема Алгоритма Обработки Запроса:

1. Ввод запроса (Query)
2. Предварительная обработка: Очистка, приведение к нижнему регистру.
3. Морфологический анализ (Лемматизация): Преобразование словоформы в лемму.
4. Поиск по лемме: Запрос к Хеш-таблице.
5. Если найдено: Выдача словарной статьи. (Конец)
6. Если не найдено (Проверка по префиксу): Запрос к Radix Tree для автодополнения/предложения исправлений.
7. Если не найдено (Расширенный анализ): Запуск синтаксического/семантического анализа (для многословных запросов).
8. Выдача результатов: Точная статья или список релевантных вариантов.

Алгоритм морфологического анализа (лемматизация)

Поскольку русский язык является синтетическим (высокая степень словоизменения), пользователь может ввести слово в любой словоформе («вбежал», «вбегаешь», «вбегут»). Ключевой процедурой является лемматизация — приведение слова к его нормальной форме (инфинитиву для глагола).

Для реализации можно использовать высокопроизводительный фреймворк, например, PyMorphy2, который базируется на словаре OpenCorpora.

Пошаговый алгоритм лемматизации:

1. Получение входной словоформы $W_{form}$.
2. Передача $W_{form}$ морфологическому анализатору. Анализатор сопоставляет слово с паттернами в морфологическом словаре.
3. Получение списка возможных разборов $R = \{R_1, R_2, \dots\}$. (Например, «стали» может быть леммой «сталь» или формой глагола «стать»).
4. Выбор наиболее вероятного разбора. Для глаголов выбирается вариант с меткой ГЛАГОЛ.
5. Извлечение базовой формы (леммы) $L$.
6. Поиск по $L$ в Хеш-таблице словаря.

Использование готовых библиотек, таких как PyMorphy2, позволяет избежать трудоемкой реализации собственных правил словообразования и обеспечивает высокую точность анализа.

Алгоритм повышения релевантности (синтаксический анализ)

Для электронного толкового словаря высокого уровня недостаточно просто найти лемму; необходимо учитывать ее контекстуальные связи, что особенно важно для антонимичных глаголов, чье значение часто зависит от объекта. Мы предлагаем использовать синтаксический анализ (парсинг) для автоматического извлечения и индексирования коллокаций и моделей управления глаголов.

Механизм повышения релевантности:

1. Входные данные: Корпус текстов, используемый для наполнения словарной базы примерами.
2. Построение дерева зависимостей: Применяется синтаксический анализатор (например, на основе фреймворка TAWT или Spacy/UDPipe) для каждой фразы в корпусе.
3. Извлечение связей: Ищутся синтаксические зависимости, связанные с глаголами (например, связь типа nsubj (подлежащее) и obj (прямое дополнение)).
4. Формирование индекса коллокаций: Извлеченные пары (Глагол + Существительное в определенном падеже) индексируются и добавляются в поле «Синтагматика» словарной статьи.

Например, для глагола «загрузить» синтаксический анализ позволит автоматически извлечь и проиндексировать, что этот глагол часто управляет существительными «данные», «файлы», «товар». Если пользователь вводит запрос, содержащий ключевое слово из этой коллокации («загрузить файл»), система может приоритизировать выдачу словарной статьи, которая наиболее релевантна данному контексту. Это обеспечивает семантическое обогащение поиска и переход от простого лексического соответствия к контекстуальному.

Выводы и практическая значимость

Настоящая проектно-исследовательская работа была посвящена разработке и программной модели электронного толкового словаря антонимичных глаголов с приставками, сочетающего лингвистическую глубину с требованиями высокопроизводительной программной инженерии.

Достигнутые результаты:

1. Теоретическая база: Успешно проанализированы и обоснованы лингвокогнитивные основы словаря, включая применение Фреймовой семантики и Теории концептуальной метафоры. Эти механизмы послужили фундаментом для проектирования нетривиальной, многомерной структуры словарной статьи, которая отражает ценностно-смысловые глубины слова.
2. Семантическая модель: Обоснован выбор антонимичных глаголов как предметной области, их семантическая модель построена на принципах парадигматического и синтагматического анализа приставочных оппозиций.
3. Программная архитектура: Разработана гибридная двухзвенная архитектура хранения данных, обеспечивающая оптимальное соотношение скорости и экономии памяти:
   • Хеш-таблицы обеспечивают константную скорость поиска $O(1)$ по точной лемме.
   • Сжатое префиксное дерево (Radix Tree) используется для эффективного автодополнения и минимизации накладных расходов памяти при работе с русским алфавитом.
4. Алгоритмическое обеспечение: Детально описан многоступенчатый алгоритм обработки запроса, включающий обязательный морфологический анализ (лемматизацию) и предложен механизм повышения релевантности за счет интеграции синтаксического анализа для извлечения и индексирования коллокаций.

Практическая значимость разработанной модели и программной реализации высока. Электронный словарь может служить ценным инструментом:

• В учебном процессе: Для студентов, изучающих русский язык как иностранный или для углубленного изучения лексикологии, предоставляя не только значения, но и когнитивные модели осмысления языковых единиц.
• Для лексикографов: Модель словарной статьи, основанная на фреймах, может быть использована как шаблон для создания других специализированных когнитивных словарей.
• Как основа для дальнейших NLP-разработок: Оптимизированная архитектура данных и алгоритмы морфологического и синтаксического анализа могут быть интегрированы в более сложные системы, такие как машинный перевод, системы автоматического аннотирования или анализа тональности текста.

Данная работа демонстрирует, как тесное взаимодействие прикладной лингвистики и программной инженерии позволяет создавать высококачественные, современные и производительные лексикографические ресурсы, существенно углубляющие понимание структуры русского языка.

Список использованной литературы

1. Вирт Н. Алгоритмы и структуры данных. С.-Петербург: Невский диалект, 2001.
2. Бабалова И.Ф. Язык Турбо-Паскаль: учебное пособие. М.: МИФИ, 1991.
3. Давыдов В. Г. Программирование и основы алгоритмизации. М.: Высшая школа, 2003.
4. Козлов О., Аляев Ю. Алгоритмизация и языки программирования Pascal, C++, Visual Basic. М.: Финансы и статистика, 2002.
5. Кнут Д. Э. Искусство программирования. Т. 2. 3-е изд. М.: Вильямс, 2002–2004.
6. Грызлов В.И., Грызлова Т.П. Турбо Паскаль 7.0. М.: ДМК, 1999.
7. Типология когнитивного лексикографирования [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/tipologiya-kognitivnogo-leksikografirovaniya (дата обращения: 23.10.2025).
8. Когнитивная лингвистика [Электронный ресурс]. URL: http://www.infolex.ru (дата обращения: 23.10.2025).
9. О принципах создания электронного словаря лингвокультурологического типа: к постановке проблемы [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/o-printsipah-sozdaniya-elektronnogo-slovarya-lingvokulturologicheskogo-tipa-k-postanovke-problemy (дата обращения: 23.10.2025).
10. Основы моделирования словарной статьи фразеологического словаря лингвокультурологического типа [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/osnovy-modelirovaniya-slovarnoy-stati-frazeologicheskogo-slovarja-lingvokulturologicheskogo-tipa (дата обращения: 23.10.2025).
11. КОГНИТИВНАЯ ЛИНГВИСТИКА ГЛОССАРИЙ [Электронный ресурс]. URL: http://o-rus-yaz.narod.ru/ (дата обращения: 23.10.2025).
12. Когнитивная лингвистика и семасиология [Электронный ресурс]. URL: http://www.sterninia.ru/ (дата обращения: 23.10.2025).
13. ЧТО ВНУТРИ ЭЛЕКТРОННОГО СЛОВАРЯ? [Электронный ресурс]. URL: http://www.nkj.ru/archive/articles/3241/ (дата обращения: 23.10.2025).
14. Электронные словари как продукт современной лексикографии [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/elektronnye-slovari-kak-produkt-sovremennoy-leksikografii (дата обращения: 23.10.2025).
15. Какую структуру данных выбрать для реализации словаря [Электронный ресурс] // Tproger. URL: https://tproger.ru/articles/kakuyu-strukturu-dannyh-vybrat-dlya-realizacii-slovarja/ (дата обращения: 23.10.2025).
16. Словарь — Основы алгоритмов [Электронный ресурс] // Яндекс. URL: https://yandex.ru/support/handbook/algorithms/dictionary.html (дата обращения: 23.10.2025).
17. Основные структуры данных. Матчасть. Азы [Электронный ресурс] // Habr. URL: https://habr.com/ru/articles/423237/ (дата обращения: 23.10.2025).
18. Эволюция архитектуры баз данных [Электронный ресурс] // Habr. URL: https://habr.com/ru/articles/769228/ (дата обращения: 23.10.2025).
19. Поиск с учетом морфологии русского языка [Электронный ресурс]. URL: http://manhunter.ru/webmaster/529.html (дата обращения: 23.10.2025).
20. Алгоритмы автоматизации анализа текста на русском языке для решения прикладных задач с применением фреймворка TAWT [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/algoritmy-avtomatizatsii-analiza-teksta-na-russkom-yazyke-dlya-resheniya-prikladnyh-zadach-s-primeneniem-freymvorka-tawt (дата обращения: 23.10.2025).
21. Антонимичные глаголы с приставками в современном русском языке (на материале малого толкового словаря) [Электронный ресурс]. URL: https://www.homework.ru/dissertation/35166/ (дата обращения: 23.10.2025).
22. Функциональные особенности глаголов с антонимичными приставками в панегирических произведениях Ф. Прокоповича [Электронный ресурс] // CyberLeninka. URL: https://cyberleninka.ru/article/n/funktsionalnye-osobennosti-glagolov-s-antonimichnymi-pristavkami-v-panegiricheskih-proizvedeniyah-f-prokopovicha (дата обращения: 23.10.2025).
23. РУССКИЙ ПРИСТАВОЧНЫЙ ГЛАГОЛ: ПРОБЛЕМЫ И МЕТОДИКА ОБУЧЕНИЯ В ИНОСТРАН [Электронный ресурс] // Revistas UGR. URL: https://revistas.ugr.es/index.php/pfr/article/view/20701 (дата обращения: 23.10.2025).