Russian Language StudiesRussian Language StudiesРусистика2618-81632618-8171Peoples’ Friendship University of Russia named after Patrice Lumumba4927510.22363/2618-8163-2026-24-1-25-40XARBFORussian on the InternetРусский язык в Интернет-пространствеResearch ArticleNeural network modeling of the semantic field “Internet” in Russian-language discourseПотенциал нейросетевого моделирования семантического поля «интернет» в русскоязычном дискурсеhttps://orcid.org/0000-0001-8469-843157208124708W-2342-20185171-1479BarkovichAlexander A.БарковичАлександр Аркадьевич

Candidate of Philology, Associate Professor at the Department of Germanic Linguistics

доктор филологических наук, доцент, заведующий кафедрой теоретического и славянского языкознания

barkovichaa@gmail.comhttps://orcid.org/0009-0005-5941-17303271-8936AstapkinaEkaterina S.АстапкинаЕкатерина Сергеевна

Doctor of Philology, Associate Professor, Head of the Department of Theoretical and Slavic Linguistics

кандидат филологических наук, доцент кафедры германского языкознания

astapkina@gmail.comBelarusian State UniversityБелорусский государственный университет28032026241ARTIFICIAL INTELLIGENCE IN SCIENTIFIC RESEARCH AND TEACHING THE RUSSIAN LANGUAGEИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ИССЛЕДОВАНИЯХ И ПРЕПОДАВАНИИ РУССКОГО ЯЗЫКА254027032026Copyright ©; 2026, Barkovich A.A., Astapkina E.S.Copyright ©; 2026, Баркович А.А., Астапкина Е.С.2026Barkovich A.A., Astapkina E.S.Баркович А.А., Астапкина Е.С.https://creativecommons.org/licenses/by-nc/4.0https://journals.rudn.ru/russian-language-studies/article/view/49275

The authors perform the linguistic analysis of neural network modeling of the semantic field “Internet” on the material of available online Russian-language content. The relevance of the study is ensured by the quality and quantity of the linguistic material in the “big data” format and by an innovative methodological approach to its meta-description with neural network instruments. The study is aimed at giving a linguistic characteristic of neural network modeling of the semantic field “Internet” in Russian-language discourse. The material was Russian-language Internet content. The volume of the content had not been limited to obtain statistically representative metadata. This approach corresponds to the mainly declarative limitations of the Internet discourse functionality. Due to the focus on the “intelligent” algorithms for processing Internet content, such as basic for our research OpenAI project, the high referentiality of language data was ensured. The authors used a wide range of methods, from component analysis to discourse analysis, with modern neural network instruments. A two-dimensional neural network modeling was carried out with cluster and stratum analysis of language units associated with the conceptual phenomenon Internet. The conducted research demonstrated the potential of neural network modeling techniques to study the semantic field “Internet”. The modeling identified and verified a wide range of language units whose speech functionality was associated with the conceptual phenomenon Internet as the core of the corresponding semantic field. The results obtained are promising; we can confidently implement the neural network modeling patterns tested in this study into linguistic practice. This, in turn, will develop the paradigm of linguistics, modernize methodological approaches to language functioning, and identify and qualify speech innovations.

Исследование посвящено лингвистическому анализу возможностей нейросетевого моделирования семантического поля «Интернет» на материале доступного в онлайн-формате русскоязычного контента. Актуальность исследования обеспечена качеством и количеством проанализированного в формате «больших данных» языкового материала и инновационным методологическим подходом к его метаописанию с применением нейросетевого инструментария. Цель исследования - лингвистическая характеристика потенциала нейросетевого моделирования семантического поля «Интернет» русскоязычного дискурса. Материалом послужил русскоязычный интернет-контент, объем которого для получения статистически репрезентативных метаданных не был искусственно регламентирован. Такой подход наилучшим образом соотносится с реалиями преимущественно декларативных ограничений функциональности интернет-дискурса. Ориентация на «интеллектуальность» алгоритмов обработки контента Интернета такими ресурсами, как базовый для нашего исследования проект OpenAI, обеспечила высокую референтность языковых данных. В исследовании задействован широкий спектр методов: от компонентного анализа до дискурс-анализа с использованием современного нейросетевого инструментария. Осуществлено двухаспектное нейросетевое моделирование посредством процедур кластерного и стратного анализа языковых единиц, ассоциирующихся с понятийным феноменом Интернет. В результате выявлен и описан потенциал применения методики нейросетевого моделирования для исследования семантического поля «Интернет». Проведенное моделирование способствовало выявлению и верификации широкого круга языковых единиц, речевая функциональность которых обусловлена ассоциированностью с понятийным феноменом Интернет, являющимся ядром соответствующего семантического поля. Полученные результаты перспективны, так как позволяют уверенно имплементировать апробированные в данном исследовании шаблоны нейросетевого моделирования в лингвистическую практику, что, в свою очередь, будет способствовать развитию парадигмы языкознания, модернизации методоло гических подходов к изучению языкового функционирования, идентификации и квалификации речевых новаций.

neural network instrumentscluster modelstratum modelconceptual phenomenonlinguistic representationmodeling potentialнейросетевой инструментарийкластерная модельстратная модельпонятийный феноменлингвистическая репрезентацияпотенциал моделированияAichner, T., & Jacob, F. (2015). Measuring the degree of corporate social media use. International Journal of Market Research, 2(57), 257–275. https://doi.org/10.2501/IJMR-2015-018Азимов Э.Г., Кулибина Н.В., Ван В. Лингводидактический потенциал социальных сетей в обучении русскому языку как иностранному // Русистика. 2023. Т. 21. № 2. C. 133-147. https://doi.org/10.22363/2618-8163-2023-21-2-133-147 EDN: BAUPZHApresyan, Yu. D. (1995). Selected works: in 2 vol. V. I.: Lexical semantics. Synonymous means of the language. Moscow: Languages of Russian culture Publ. (In Russ.).Апресян Ю.Д. Избранные труды: в 2 т. Т. I.: Лексическая семантика. Синонимические средства языка. М. : Языки русской культуры, 1995. 464 с.Astapkina, E. S., & Barkovich, A. A. (2025). Dynamics of Russian language internet discourse: peculiar representation of lexis in dictionaries. Russian Language Studies, 23(1), 97–116. (In Russ.). http://doi.org/10.22363/2618-8163-2025-23-1-97-116 EDN: VLFOHTАстапкина Е.С., Баркович А.А. Динамика русскоязычного интернет-дискурса: особенности словарной репрезентации лексики // Русистика. 2025. Т. 23. № 1. С. 97-116. https://doi.org/10.22363/2618-8163-2025-23-1-97-116 EDN: VLFOHTAzimov, E. G., Kulibina, N. V., & Van, V. (2023). Linguistic and didactic potential of social networks in teaching Russian as a foreign language. Russian Language Studies, 21(2), 133–147. (In Russ.). http://doi.org/10.22363/2618-8163-2023-21-2-133-147 EDN: BAUPZHБаркович А.А. Функциональность диады «коммуникационный - коммуникативный»: дискурсивный аспект // Вестник Томского государственного университета. Филология. 2015. № 5 (37). С. 37-52. https://doi.org/10.17223/19986645/37/3 EDN: VCPSFDBarkovich, A. A. (2015). Functionality of the “communicational-communicative” dyad: A discursive aspect. Tomsk State University Journal of Philology, (5), 37–52. (In Russ.). https://doi.org/10.17223/19986645/37/3 EDN: VCPSFDБеляков М.В., Максименко О.И. Проблема семантических сдвигов в современном русском языке: корпусное исследование на примере новостного медиадискурса // Вестник Российского университета дружбы народов. Серия: Теория языка. Семиотика. Семантика. 2024. Т. 15. № 1. С. 174-194. https://doi.org/10.22363/2313-2299-2024-15-1-174-194 EDN: EJFXLTBarkovich, A. (2019). Informational linguistics: Computer, internet, artificial intelligence and language. In: 2019 IEEE 1st International Conference on Artificial Intelligence in Information and Communication (ICAIIC 2019) (Okinawa, Japan, February 11–13) (pp. 8–13). IEEE Publ. https://doi.org/10.1109/ICAIIC.2019.8668989 EDN: WJXAWTВиноградова В.Н. Система русского словообразования в функционально-стилистическом аспекте. М. : Инфотех. 2012. 336 с.Belyakov, M. V., & Maksimenko, O. I. (2024). The problem of semantic shift in modern Russian: Corpus research on the example of a news media discourse. RUDN Journal of Language Studies, Semiotics and Semantics, 15(1), 174–194. (In Russ.). https://doi.org/10.22363/2313-2299-2024-15-1-174-194 EDN: EJFXLTДмитриева Н.М., Шаклеин В.М. Семантические особенности функционирования доминантных вербализаторов этического концепта БЛАГО в средствах массовой информации // Вестник Российского университета дружбы народов. Серия: Теория языка. Семиотика. Семантика. 2022. Т. 13. № 4. С. 956-971. https://doi.org/10.22363/2313-2299-2022-13-4-956-971 EDN: SCBGJSBlei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022. https://doi.org/10.1162/jmlr.2003.3.4-5.993Дубина Л.В. Тенденции развития русского языка в условиях интернет-коммуникации // Вестник Томского государственного педагогического университета. 2013. № 2 (130). С. 177-181. EDN: PYABEFDevlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, 1, 4171–4186. https://doi.org/10.48550/arXiv.1810.04805Кондрашева Е.В., Тинина А.О. Новая лексика языка интернета: способы образования, причины появления // Эпоха науки. 2019. № 18. С. 134-139. https://doi.org/10.24411/2409-3203-2018-11830 EDN: HBPJAVDmitrieva, N. M., & Shaklein, V. M. (2022). Semantic features of the functioning of dominant verbalizers of the ethical concept BOON in the mass media. RUDN Journal of Language Studies, Semiotics and Semantics, 13(4), 956–971. (In Russ.). https://doi.org/10.22363/2313-2299-2022-13-4-956-971 EDN: SCBGJSНовиков Л.А. Эскиз семантического поля // Избранные труды. Т. II: Эстетические аспекты языка. Miscellanea. М. : Изд-во РУДН. 2001. С. 554-570.Dubina, L. V. (2013). Trends of developments of the Russian language in the context of internet-communication. Tomsk State Pedagogical University Bulletin, (2), 177–181. EDN: PYABEF. (In Russ.).Пешё М. Контент-анализ и теория дискурса // Квадратура смысла: Французская школа анализа дискурса. М. : Прогресс, 1999. С. 302-337.Goldberg, Y. (2017). Neural Network Methods for Natural Language Processing. San Rafael: Morgan & Claypool Publishers. https://doi.org/10.2200/S00762ED1V01Y201703HLT037 EDN: YEQZULПопова Т.И., Колесова Д.В. Обучающая модель заданий на взаимопроверку в онлайн-курсе русского языка как иностранного // Русистика. 2023. Т. 21. № 2. C. 181-195. https://doi.org/10.22363/2618-8163-2023-21-2-181-195 EDN: HBPJAVKondrasheva, E. V., & Tinina, A. O. (2019). New lexicon of the Internet language: methods of formation, reasons for its emergence. Era of science, (18), 134–139. (In Russ.). https://doi.org/10.24411/2409-3203-2018-11830 EDN: HBPJAVРазумовская В.А. «Сверхтекст» как форма существования «сильного» художественного текста // Вестник Российского университета дружбы народов. Серия: Теория языка. Семиотика. Семантика. 2024. Т. 15. № 1. С. 262-275. https://doi.org/10.22363/2313-2299-2024-15-1-262-275 EDN: FOGHCUJurafsky, D., & Martin, J. H. (2024). Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition. Upper Saddle River, NJ: Pearson Education.Тошович Б. Интернет-стилистика : монография. М. : Наука. 2015. 238 с.McCulloch, W. S., & Pitts, W. (1943). A logical calculus of ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, 115–133.Уфимцева А.А. Слово в лексико-семантической системе языка. М. : Наука, 1968. 287 с.Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. In: 1st International Conference on Learning Representations (ICLR 2013), Scottsdale, Arizona, USA, May 2–4. arXiv preprint arXiv:1301.3781. https://doi.org/10.48550/arXiv.1301.3781Щур Г.С. Теории поля в лингвистике. М. : Наука, 1974. 254 с.Novikov, L. A. (2001). Sketch of the semantic field. In: Selected Works. Vol. II: Aesthetic Aspects of Language. Miscellanea (pp. 554–570). Moscow: RUDN University Press. (In Russ.).Aichner T., & Jacob F. Measuring the degree of corporate social media use // International Journal of Market Research. 2015. Vol. 2. No. 57. Pp. 257-275. https://doi.org/10.2501/IJMR-2015-018Pêcheux, M. (1999). Content analysis and discourse theory. In: Quadrature of meaning: The French school of discourse analysis (pp. 302–337). Moscow: Progress Publ. (In Russ.).Barkovich A. Informational linguistics: computer, internet, artificial intelligence and language // 2019 IEEE 1st International Conference on Artificial Intelligence in Information and Communication (ICAIIC 2019), Okinawa, Japan, February 11-13. 2019. Pp. 008-013. https://doi.org/10.1109/ICAIIC.2019.8668989 EDN: WJXAWTPopova, T. I., & Kolesova, D. V. (2023). The teaching model of mutual checking exercises in online course on Russian as a foreign language. Russian Language Studies, 21(2), 181–195. (In Russ.). https://doi.org/10.22363/2618-8163-2023-21-2-181-195 EDN: HBPJAVBlei D.M., Ng A.Y., & Jordan M.I. Latent dirichlet allocation // Journal of Machine Learning Research, Vol. 3. 2003. Pp. 993-1022. https://doi.org/10.1162/jmlr.2003.3.4-5.993Razumovskaya, V. A. (2024). “Supertext” as a form of a “Strong” fiction text existence. RUDN Journal of Language Studies, Semiotics and Semantics, 15(1), 262–275. (In Russ.). https://doi. org/10.22363/2313-2299-2024-15-1-262-275 EDN: FOGHCUDevlin J., Chang M.W., Lee K., & Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding // Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Vol. 1. Pp. 4171-4186. https://doi.org/10.48550/arXiv.1810.04805Sapone, L. (2021). Moving fast and breaking things: an analysis of social media’s revolutionary effects on culture and its impending regulation. Duquesne Law Review, 59, 362–384.Goldberg Y. Neural network methods for natural language processing. San Rafael: Morgan & Claypool Publishers. 2017. 285 p. https://doi.org/10.2200/S00762ED1V01Y201703HLT037 EDN: YEQZULSchiffrin, D. (2006). From linguistic reference to social reality. In: Discourse and identity (pp. 103–131). Cambridge: Cambridge University Press.Jurafsky D., & Martin J.H. Speech and language processing : An introduction to natural language processing, computational linguistics, and speech recognition. Upper Saddle River, NJ : Pearson Education. 2024. 1024 p.Shchur, G. S. (1974). Field Theories in Linguistics. Moscow: Nauka Publ. (In Russ.).McCulloch W.S., & Pitts W. A logical calculus of ideas immanent in nervous activity // Bulletin of Mathematical Biophysics. 1943. Vol. 5. P. 115-133.Titscher, S., Meyer, M., Vetter, E., & Wodak, R. (2000). Methods of Text and Discourse Analysis. London: Sage.Mikolov T., Chen K., Corrado G., & Dean J. Efficient Estimation of Word Representations in Vector Space // 1st International Conference on Learning Representations (ICLR 2013), Scottsdale, Arizona, USA, May 2-4. 2013. arXiv preprint arXiv:1301.3781. https://doi.org/10.48550/arXiv.1301.3781.Tošović, B. (2015). Internet stylistics. Moscow: Nauka Publ. (In Russ.).Sapone L. Moving fast and breaking things: an analysis of social media’s revolutionary effects on culture and its impending regulation // Duquesne Law Review. 2021. Vol. 59. Pp. 362-384.Ufimtseva, A. A. (1968). Word in the lexical-semantic system of language. Moscow: Nauka Publ. (In Russ.).Schiffrin D. From linguistic reference to social reality // Discourse and identity. Cambridge : Cambridge University Press. 2006. Pp. 103-131.Vinogradova, V. N. (2012). The system of Russian word formation in the functional-stylistic aspect. Moscow: LLC Infotech Publ. (In Russ.).Titscher S., Meyer M., Vetter E., & Wodak R. Methods of text and discourse analysis. London : Sage, 2000. 278 p.Widdowson, H. (2005). Applied linguistics, interdisciplinarity, and disparate realities. In: Directions in Applied Linguistics. Clevedon, UK: Multilingual Matters.Widdowson H. Applied linguistics, interdisciplinarity, and disparate realities // Directions in Applied Linguistics. Clevedon, UK : Multilingual Matters. 2005. 327 p.