Квантовоподобные методы анализа семантических структур и когнитивных состояний в задачах поиска и распространения информации тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Авдюшина Анна Евгеньевна

• Авдюшина Анна Евгеньевна
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Авдюшина Анна Евгеньевна

Оглавление

Реферат

Synopsis

Введение

ГЛАВА 1. Использование аппарата квантовой математики

1.1 Математические основы квантовой теории

1.2 Суперпозиция и ортонормированность векторов

1.3 Проектор и матрица плотности

1.4 Системы из нескольких объектов и запутанность

1.5 Применение квантовых систем к информационному поиску

1.6 Выводы

ГЛАВА 2. Квантовоподобный подход к контекстуальному семантическому поиску информации на основе теста Белла

2.1 Контекстуальность в когнитивистике

2.2 Тест Белла и его интерпретация

2.3 Векторное представление текстов

2.4 Контекстуальный семантический поиск информации с помощью теста Белла

2.4.1 Запросы из одного слова

2.4.2 Запросы из двух слов и тест Белла

2.5 Моделирование когнитивного состояния человека

2.5.1 Формирование вектора предпочтений пользователя

2.5.2 Обновление фазы ф

2.6 Результаты моделирования поиска информации с помощью теста Белла

2.7 Экспериментальная проверка метода информационного поиска

2.8 Выводы по главе

ГЛАВА 3. Метод выявления тематических групп

3.1 Вероятностная латентно-семантическая модель (PLSA)

3.2 Квантовоподобное расширение вероятностной латентно-

семантической модели

3.3 Векторное представление в гильбертовом пространстве

3.4 Фазовые сдвиги и комплексные амплитуды

3.5 Интерференционные эффекты в вероятностной интерпретации

3.6 Когнитивная интерференция и её роль в тематическом моделировании

3.7 Модифицированный EM-алгоритм с фазовой коррекцией

3.8 Критерии оценки интерференции тем: тест Белла

3.9 Экспериментальное исследование квантовоподобной модели QPLSA

3.10 Выводы по главе

ГЛАВА 4. Метод распространения информации в гетерогенных социальных сетях

4.1 Квантовоподобная модель гетерогенной социальной сети

4.2 Квантовоподобная формализация когнитивной динамики в гетерогенных социальных сетях

4.3 Оценка процесса принятия решений в гетерогенных социальных сетях

4.4 Стационарные состояния в гетерогенных сетях

4.5 Взаимодействие агентов и пользователей в изолированных парах

4.6 Коллективное взаимодействие агентов в гетерогенной сети

4.7 Формирование когнитивных режимов при слабом взаимодействии агента и пользователя

4.7.1 Адаптивное управление связью «человек-агент»

4.7.2 Анализ влияния когнитивной инверсии на структуру мнений

4.8 Распространение информации в гетерогенных социальных сетях

4.8.1 Структура и характеристики гетерогенной сети агентов

4.9 Квантовоподобное описание когнитивной динамики пользователя

4.10 Сравнение моделей распространения информации в гетерогенных социальных сетях

4.11 Выводы по главе

ГЛАВА 5. Экспериментальное исследование методов анализа и прогнозирования распространения информации в социальных сетях

5.1 Структурный анализ и топология сети

5.2 Анализ фазовых распределений и квантовоподобная интерференция

в тематическом пространстве

5.3 Моделирование распространения информации

5.4 Выводы по главе

Заключение

Список литературы

Список иллюстративного материала

Приложение 1. Реализация теста Белла с учетом предпочтений пользователя

Приложение 2. Реализация QPLSA

Приложение 3. Реализация методов прогнозирования распространения

информации в социальных сетях

Приложение 4. Сбор информации из Telegram и реализация обработки

данных

Свидетельства о регистрации программ для ЭВМ

Акт о внедрении

Тексты публикаций

Введение диссертации (часть автореферата) на тему «Квантовоподобные методы анализа семантических структур и когнитивных состояний в задачах поиска и распространения информации»

Реферат

Общая характеристика диссертации Актуальность темы. Развитие цифрового общества сопровождается стремительным увеличением объема информации, распространяемой через цифровые платформы, социальные сети и научные базы данных. Однако традиционные методы анализа данных сталкиваются с ограничениями в выявлении скрытых семантических связей и обработке неструктурированной информации, представленной на естественном языке, что затрудняет эффективный поиск, интерпретацию и управление информацией.

Одним из перспективных направлений решения этой проблемы является применение квантовоподобных методов, основанных на математических моделях квантовой теории. Эти методы позволяют учитывать контекстуальные зависимости, неопределенность семантических связей и динамику распространения данных, что делает их востребованными в задачах семантического поиска и анализа информационных потоков.

Актуальность исследования подтверждается ключевыми направлениями научно-технологического развития Российской Федерации, обозначенными в Стратегии научно-технологического развития (Указ Президента РФ от 1 декабря 2016 г. № 642) и Программе «Цифровая экономика Российской Федерации» (распоряжение Правительства РФ от 28 июля 2017 г. №2 1632-р). В этих документах подчеркивается значимость перехода к передовым цифровым технологиям, обработки больших объемов данных, развития когнитивных систем и искусственного интеллекта.

Вместе с тем актуальность темы определяется не только стратегическими приоритетами, но и современными тенденциями фундаментальных и прикладных исследований в области искусственного интеллекта и когнитивных технологий. На международном уровне особое внимание уделяется созданию адаптивных и объяснимых интеллектуальных систем, использующих вероятностные и квантовоподобные методы моделирования неопределенности и контекстуальной зависимости в процессах принятия решений.

Современные исследования в области квантовоподобного моделирования подтверждают растущую роль гибридных человеко-машинных систем, в которых учитывается когнитивное состояние пользователя и социальная динамика взаимодействия. Эти направления формируют новую научную парадигму — от классических алгоритмов обработки данных к интеллектуальным системам, способным к самонастройке, интерференции знаний и смыслов, и кооперативному поведению агентов в распределённых сетях.

Таким образом, исследование соответствует современным научным приоритетам, связанным с развитием теоретических и прикладных основ квантовоподобного анализа информации, когнитивных вычислений и семантического управления данными в сложных информационных системах.

Степень разработанности темы. Наибольший вклад в развитие методов обработки текстовых документов на естественных языках и векторизации текстовых данных внесли З. Харрис, Дж. Басемейер, Р. Шанк, Р. Виленски, Р. Пираччини, В. Ф. Хорошевский, В. З. Демьянков, Ю. А. Загорулько, Е. А. Сидорова, В. Ш. Рубашкин, П.И. Браславский, К. В. Воронцов, Т. Ландауэр, Т. Хоффман, Т. Миколов.

Цель исследования: повышение качества семантического поиска, анализа и управления информацией в инфокоммуникационных системах.

Данная цель достигается решением следующих задач:

1. Исследование алгоритмов и принципов квантовой теории вероятности и их применимости для моделирования когнитивных процессов, семантического поиска и анализа информации в гетерогенных социальных системах.

2. Разработка квантовоподобной модели системы «человек - агент» для лингвистического обеспечения информационных систем, учитывающей когнитивное состояние пользователя и фазовые взаимодействия.

3. Разработка метода выявления тематических групп в гетерогенных социальных системах для выявления скрытых семантических связей.

4. Разработка метода прогнозирования распространения информации в гетерогенных системах на основе квантовоподобного анализа.

5. Проведение вычислительных экспериментов и сравнение качества квантовоподобных и классических моделей на основе метрик Precision@K, Recall, MAP, MRR, nDCG@10, перплексии и когерентности.

Методы исследования: математическая статистика, квантовая теория вероятности, сетевой анализ, математическое моделирование, а также методы машинного обучения. В ходе проведения практических экспериментов для построения моделей использовался язык программирования Python с использованием библиотек NetworkX (для анализа сложных сетей), Scikit-learn (для машинного обучения и кластеризации), NumPy и SciPy (для численных вычислений), NLTK и SpaCy (для обработки естественного языка).

Положения, выносимые на защиту:

1. Квантовоподобная модель системы «человек - агент» для лингвистического обеспечения информационных систем, отличающаяся тем, что когнитивный контекст пользователя параметризуется и учитывается при индексировании и поиске, обеспечивающая повышение точности и полноты семантического поиска в информационных системах за счет выявления скрытых семантических связей в текстах.

2. Метод выявления тематически когерентных структур в социальных сетях, отличающийся использованием квантовоподобных алгоритмов анализа когнитивного состояния агентов в системе «человек-агент» и выявлением слабо связанных или зарождающихся сообществ и ранних инициатив.

3. Метод прогнозирования распространения информации в социальных системах на основе квантовоподобного анализа, отличающийся использованием квантовоподобного алгоритма для учета неопределенности и контекстуальной зависимости процесса распространения информации, и повышающий точность прогноза в гетерогенных социальных сетях.

4. Результаты экспериментального исследования квантовоподобных методов семантического анализа для детекции контекстуальной зависимости тематической разметки сообщений от порядка и формулировки запроса и от

когнитивной фазы пользователя, а также моделирования распространения информации в социальных сетях.

Первые три положения обладают научной новизной, а четвертое -практической значимостью.

Достоверность результатов обеспечивается использованием признанного научным сообществом математического аппарата квантовой теории вероятности и методов статистической обработки данных, а также репрезентативных наборов данных (корпус MS MARCO, массив сообщений Telegram). По задаче семантического поиска получены значения MAP, MRR и nDCG@10 с приростом 7-12% относительно TF-IDF и BM25. По тематическому моделированию когерентность тем составила 0,54 (базовый подход — 0,47). Полученные значения метрик согласуются с результатами, представленными в работах по тематическому моделированию (D. M. Blei) и информационному поиску (C. J. van Rijsbergen, D. Song, M. Melucci). Сравнение предложенной автором модели с результатами других методов моделирования распространения информации (SIR, ICM, LT) показало совпадение динамики охвата, времени до пика и характера затухания, что подтверждает корректность предложенного подхода.

Апробация результатов научного исследования подтверждена семью докладами на международных и всероссийских конференциях, включая мероприятия по квантовой когнитивистике, искусственному интеллекту и анализу данных. Основные результаты диссертационной работы опубликованы в семи печатных работах.

Научной новизной обладает разработанная квантовоподобная модель анализа семантических структур с учётом когнитивного состояния пользователя, интеграции фазового анализа и теста Белла в задачу информационного поиска, а также применение этих методов для прогнозирования тематических каскадов в гетерогенных социальных сетях. Впервые предложена модификация квантовоподобного вероятностного латентного семантического анализа (QPLSA) с фазовыми поправками, позволяющая выявлять интерференцию тем и улучшать показатели когерентности и релевантности поиска.

Теоретическая значимость диссертации состоит в развитии аппарата квантовоподобного анализа для задач семантического поиска и прогнозирования распространения информации в системах «человек-агент», а именно:

• в формализации когнитивно-поискового процесса в гильбертовом пространстве;

• в интеграции теста Белла в теорию информационного поиска;

• в едином аппарате для предсказательного анализа в гетерогенных сетях.

Практическая значимость работы состоит в реализации инструментов

мониторинга социальных медиа, выявлении зарождающихся сообществ, прогнозировании распространения информации и поддержки принятия решений в сфере цифровой политики и информационной безопасности. Разработанные модели и методы реализованы в зарегистрированных программах для ЭВМ: «Social-laser» (№ 2024691901 от 24.12.2024) и «Программа квантово-вдохновленного контекстуального поиска и ранжирования текстовых документов на основе теста Белла» (№ 2024688827 от 02.12.2024).

Апробация результатов исследования. Основные положения диссертационной работы и результаты исследований докладывались на различных конференциях, в числе которых I Самарцевские чтения (ФЭКС/IWQO2023), Шестнадцатая международная конференция «Управление развитием крупномасштабных систем» (MLSD'2023), Artificial Intelligence in Engineering and Science (AIES-2022), XXVIII Байкальская Всероссийская конференция «Информационные и математические технологии в науке и управлении» (IMT-2023).

Внедрение результатов исследования. Результаты исследований были внедрены в учебный процесс по дисциплине «Системы искусственного интеллекта» в Университете ИТМО в качестве лекционных материалов, посвященных методам квантовоподобного анализа данных и прогнозирования информационных потоков. Разработанные в ходе исследования подходы и инструменты были также внедрены в деятельность АО «Центр исследований и

разработок» (АО ЦИР) для анализа информационных потоков и выявления тематических трендов в крупных текстовых массивах.

Публикации. Основные результаты, отражённые в диссертационной работе, опубликованы в семи научных статьях, из которых одна в издании, входящем в перечень ВАК. В представленных публикациях последовательно раскрываются ключевые аспекты исследования, включая разработку квантовоподобных моделей и алгоритмов для анализа информационных потоков, контекстуального семантического поиска, тематического моделирования и прогнозирования поведения агентов в сложных инфокоммуникационных системах.

В международных журналах, индексируемых в базах Scopus и Web of Science, представлены квантовоподобный подход к моделированию самоорганизации агентов в распределённых интеллектуальных системах, алгоритмы семантического поиска и ранжирования текстов на основе квантовой логики, применение моделей случайных лазеров для описания социальных процессов и информационных каскадов, квантовоподобное тематическое моделирование на основе вероятностной интерпретации когнитивного состояния.

Разработанные в ходе исследования программные средства зарегистрированы в качестве результатов интеллектуальной деятельности:

• программа для численного моделирования и анализа свойств случайных лазеров, квантовых материалов и социальных систем Social-laser (№ 2024691901 от 24.12.2024);

• программа квантово-вдохновленного контекстуального поиска и ранжирования текстовых документов на основе теста Белла (№ 2024688827 от 02.12.2024).

Личный вклад автора. В диссертационной работе использованы результаты, в которых автору принадлежит определяющая роль. Теоретические и экспериментальные исследования по теме диссертации выполнены автором совместно с И. А. Бессмертным, А. П. Алоджанцем, Д. В. Царёвым, А. Ю. Хренниковым, А. В. Симахиным и М. А. Никитиной.

Автором самостоятельно проведён анализ отечественных и зарубежных исследований по квантовоподобным методам анализа информации, сформулирована научная проблема и предложены направления применения квантовоподобных моделей для анализа когнитивных состояний пользователей, семантического поиска и прогнозирования информационных потоков в сложных инфокоммуникационных системах.

Царёв Д.В. и Никитина М.А. выполнили математическое моделирование и аналитические расчёты, связанные с построением и исследованием квантовоподобной математической модели распределённого интеллекта и системы «человек - агент». Ими осуществлена формализация уравнений в гамильтоновой постановке и численное моделирование когнитивной динамики агентов.

Симахин А.В. внёс вклад в постановку задачи модификации оценки параметра сдвига для ЕМ-алгоритма в рамках процедуры обучения квантовоподобных тематических моделей.

Хренников А.Ю. предложил концептуальные основы квантовоподобного алгоритма описания когнитивного состояния человека и идею использования квантовой теории вероятности для моделирования когнитивной интерференции.

Автором выполнены разработка алгоритмов и программных средств семантического поиска, фазового анализа и тематического моделирования, а также сбор, обработка и интерпретация экспериментальных данных. Постановка и проведение вычислительных экспериментов по выявлению тематических групп и моделированию распространения информации, а также анализ полученных результатов и их обобщение выполнены автором совместно с И.А. Бессмертным и А.П. Алоджанцем.

Список публикаций по теме диссертации

Публикации в научных изданиях, входящих в Перечень российских рецензируемых научных журналов ВАК РФ:

1. Авдюшина А.Е., Королёва Ю.А., Маркина Т.А., Бессмертный И.А. Применение методов географического информационного поиска для анализа новостных данных // Информационные и математические технологии в науке и

управлении. 2024. № 1(33). С. 154-165. DOI:10.25729/ESI.2024.33.1.014. (ВАК, РИНЦ)

Публикации в научных изданиях, входящих в международные реферативные базы данных и системы цитирования (Scopus, Web of Science):

1. Alodjants A.P., Tsarev D., Avdyushina A.E., Khrennikov A.Y., Boukhanovsky A.V. Quantum-inspired modeling of distributed intelligence systems with artificial intelligent agents self-organization // Scientific Reports. 2024. 14(1). P. 15438. https://doi.org/10.21203/rs.3.rs-4074082/v1. (Scopus, Web of Science, Белый список)

2. Alodjants A.P., Avdiushina A.E., Tsarev D., Bessmertny I.A., Khrennikov A.Y. Quantum Approach for Contextual Search, Retrieval, and Ranking of Classical Information // Entropy. 2024. 26(10). P. 862. https://doi.org/10.3390/e26100862. (Scopus, Web of Science, Белый список)

3. Avdyushina A., Platonov A., Bessmertny I. Topic modeling algorithm using quantum probability theory // Studies in Systems, Decision and Control. 2023. 457. P. 261-271. D0I:10.1007/978-3-031-22938-1_18. (Scopus, Web of Science)

4. Tsarev D., Avdyushina A., Alodjants A. Opinion Formation and Social Impact in Networks with Natural and Artificial Intelligence Systems // Proceedings of the 16th Int. Conf. MLSD 2023. 2023. P. 1-5. D0I:10.1109/MLSD58227.2023.10303802. (Scopus, Web of Science)

5. Alodjants A., Zacharenko P., Tsarev D., Avdyushina A., Nikitina M., Khrennikov A., Boukhanovsky A. Random Lasers as Social Processes Simulators // Entropy. 2023. 25(12). P. 1601. https://doi.org/10.3390/e25121601. (Scopus, Web of Science, Белый список)

6. Simakhin V.A., Shamanaeva L.G., Avdyushina A.E. Robust Parametric Estimates of Heterogeneous Experimental Data // Russian Physics Journal. 2021. 63(9). P. 1510-1518. DOI: 10.1007/s11182-021-02199-4. (Scopus, Web of Science)

Содержание работы Во введении обосновывается актуальность темы диссертационной работы, определяются объект, предмет, методы, цель и задачи исследования, положения,

выносимые на защиту, представлена научная новизна и практическая значимость представляемой работы.

Заключение диссертации по теме «Другие cпециальности», Авдюшина Анна Евгеньевна

206 Заключение

Для достижения поставленной цели диссертационного исследования были решены следующие задачи:

1. Разработана квантовоподобная модель гетерогенной социальной сети «человек-агент», предназначенная для анализа и управления информационными процессами в сложных инфокоммуникационных системах, включающая:

а) Формализацию когнитивных состояний пользователей на основе циркумплексной модели эмоций Рассела, позволяющую учесть влияние когнитивной неопределённости на процессы принятия решений;

б) Описание динамики взаимодействий с использованием квантовоподобного гамильтониана, что позволило формализовать информационные процессы в терминах элементарных квантов.

2. Предложен метод выявления тематических групп в сложных инфокоммуникационных системах на основе квантовоподобного алгоритма анализа и прогнозирования информационных потоков, включающий:

а) Реализацию тематического моделирования с использованием квантовоподобной модели QPLSA, позволяющую выявлять и интерпретировать социально значимые темы и их взаимосвязи;

б) Введение фазовых поправок для описания интерференционных эффектов в смешанных тематических моделях, что обеспечивает учет контекстной совместимости или конфликта между обсуждаемыми темами.

3. Предложен метод прогнозирования распространения информации в социальных сетях на основе квантовоподобного анализа, позволяющий учитывать когнитивные состояния агентов и контекстную неопределённость, в том числе:

а) Разработана модель распространения информации, описывающая промежуточные фазовые эффекты и когнитивные колебания в процессе информационной диффузии;

б) Проведено экспериментальное сравнение предложенной квантовоподобной модели с классическими моделями распространения

информации (ICM, LT, SIR) на примере сети Telegram, подтверждающее преимущества предложенного подхода.

Экспериментальные исследования подтвердили работоспособность и эффективность разработанных методов. Квантовоподобный подход продемонстрировал более точное и контекстно обусловленное моделирование динамики распространения информации по сравнению с классическими моделями. Тематическое моделирование на основе QPLSA позволило выявить скрытые семантические связи и интерференционные эффекты между темами, что расширяет возможности мониторинга и прогнозирования социальных явлений.

Проведённое исследование подтвердило, что квантовоподобные методы и модели могут эффективно использоваться для семантического анализа, управления информационными процессами и поддержки принятия решений в гетерогенных инфокоммуникационных системах. Дальнейшие исследования рекомендуется направить на:

1. Развитие модели QPLSA для работы с мультимодальными данными, такими как изображения и видео;

2. Автоматизацию процесса подбора фазовых поправок и когнитивных состояний агентов с использованием дополнительных метрик социальных сетей;

3. Интеграцию предложенных моделей и методов в существующие системы мониторинга социальных сетей для оперативного выявления информационных угроз;

4. Расширение области применения квантовоподобных моделей на другие типы информационных систем и социальных платформ.

Таким образом, материалы, изложенные в диссертации, соответствуют положениям, выносимым на защиту, и демонстрируют высокий потенциал предложенных подходов в решении практических задач анализа и управления информацией в сложных инфокоммуникационных системах.

Список литературы диссертационного исследования кандидат наук Авдюшина Анна Евгеньевна, 2025 год

Список литературы

1. Авдюшина, А.; Полещук, Е. А.; Труханов, А. С. Алгоритм ранжирования с использованием квантовой теории вероятности [Электронный ресурс] / А. Авдюшина, Е. А. Полещук, А. С. Труханов; науч. рук. И. А. Бессмертный // Сборник тезисов докладов Конгресса молодых ученых: электрон. изд. — Санкт-Петербург : Университет ИТМО, 2020. — Режим доступа: https://kmu.itmo.ru/digests/article/3828 (дата обращения: 15.05.2021).

2. Автоматическая обработка текстов на естественном языке и анализ данных: учебное пособие / Е. И. Большакова, К. В. Воронцов, Н. Э. Ефремова [и др.]. — Москва: Изд-во НИУ ВШЭ, 2017. — 269 с.

3. Белоусов, Ю. М. Матрица плотности и спиновые системы: учебное пособие / Ю. М. Белоусов; Министерство образования и науки Российской Федерации, Московский физико-технический институт (государственный университет). — Москва; Долгопрудный: МФТИ, 2018. — 147 с.

4. Бенгфорд, Б.; Билбро, Р.; Охеда, Т. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка / Б. Бенгфорд, Р. Билбро, Т. Охеда. — Санкт-Петербург: Питер, 2019. — 368 с.

5. Бессмертный, И. А.; Васильев, А. В.; Королёва, Ю. А.; Платонов, А. В.; Полещук, Е. А. Обзор методов квантового формализма в информационном поиске и обработке текстов на естественных языках / И. А. Бессмертный, А. В. Васильев, Ю. А. Королёва, А. В. Платонов, Е. А. Полещук // Известия высших учебных заведений. Приборостроение. — 2019. — Т. 62, № 6. — С. 1-10. — DOI: 10.17586/0021 -3454-2019-62-6-481 -490.

6. Бессмертный, И. А.; Платонов, А. В.; Полещук, Е. А. Моделирование русского языка посредством квантовой информационной модели / И. А. Бессмертный, А. В. Платонов, Е. А. Полещук // Труды конгресса по интеллектуальным системам и информационным технологиям «IS&IT'18». — 2018. — Т. 2. — С. 237-244.

7. Воронцов, К. В. Аддитивная регуляризация тематических моделей коллекций текстовых документов / К. В. Воронцов // Доклады Российской академии наук. — 2014. — Т. 456, № 3. — С. 268-271. — DOI: 10.7868/S0869565214030121.

8. Кайе, Ф.; Лафламм, Р.; Моска, М. Введение в квантовые вычисления / Ф. Кайе, Р. Лафламм, М. Моска. — Москва : НИЦ, 2009. — 337 с. — Режим доступа: https://www.rfbr.ru/rffi/ru/books/o 17947 (дата обращения: 10.05.2021).

9. Симахин, В. А.; Шаманаева, Л. Г.; Авдюшина, А. Е. Робастные параметрические оценки для неоднородных экспериментальных данных / В. А. Симахин, Л. Г. Шаманаева, А. Е. Авдюшина // Известия высших учебных заведений. Физика. — 2020. — Т. 63, № 9. — С. 55-62. — DOI: 10.17223/00213411/63/9/55.

10. Симахин, В. А.; Шаманаева, Л. Г.; Авдюшина, А. Е. Робастные семипараметрические и семинепараметрические оценки для неоднородных экспериментальных данных / В. А. Симахин, Л. Г. Шаманаева, А. Е. Авдюшина // Известия высших учебных заведений. Физика. — 2021. — Т. 64, № 2. — С. 149158. — DOI: 10.17223/00213411/64/2/149.

11. Aaronson, S. Quantum Computing Since Democritus [Электронный ресурс] / S. Aaronson. — New York : Cambridge University Press, 2013. — Режим доступа: https://doi.org/10.1017/CB09780511979309 (дата обращения: 10.05.2021).

12. Aerts, D.; Gabora, L.; Sozzo, S. Concepts and their dynamics: A quantum-theoretic modeling of human thought [Электронный ресурс] / D. Aerts, L. Gabora, S. Sozzo // Topics in Cognitive Science. — 2013. — Vol. 5. — DOI: 10.1111/tops.12042. — Режим доступа: https://arxiv.org/pdf/1206.1069.pdf (дата обращения: 10.05.2021).

13. Alavi, M.; Leidner, D. E. Knowledge management and knowledge management systems: Conceptual foundations and research issues / M. Alavi, D. E. Leidner // MIS Quarterly. — 2001. — Vol. 25, № 1. — P. 107-136.

14. Alghamdi, R.; Alfalqi, K. A survey of topic modeling in text mining / R. Alghamdi, K. Alfalqi // International Journal of Advanced Computer Science and

Applications. — 2015. — Vol. 6, № 1. — C. 147-153. — DOI: 10.14569/IJACSA.2015.060121.

15. Alodjants, A. P.; Bazhenov, A.; Khrennikov, A. Y.; Boukhanovsky, A. Mean-field theory of social laser / A. P. Alodjants, A. Bazhenov, A. Y. Khrennikov, A. Boukhanovsky // Scientific Reports. — 2022. — Vol. 12. — Art. 8566.

16. Alodjants, A. P.; Zacharenko, P.; Tsarev, D.; Avdyushina, A.; Nikitina, M.; Khrennikov, A.; Boukhanovsky, A. Random lasers as social processes simulators / A. P. Alodjants [et al.] // Entropy. — 2023. — Vol. 25, № 12. — Art. 1601. — DOI: 10.3390/e25121601.

17. Alsboui, T.; Qin, Y.; Hill, R.; Al-Aqrabi, H. Distributed intelligence in the Internet of Things: Challenges and opportunities / T. Alsboui, Y. Qin, R. Hill, H. Al-Aqrabi // SN Computer Science. — 2021. — Vol. 2. — Art. 277. — DOI: 10.1007/s42979-021-00673-8.

18. Ardavs, A.; Pudane, M.; Lavendelis, E.; Nikitenko, A. Long-term adaptivity in distributed intelligent systems: Study of viabots in a simulated environment / A. Ardavs, M. Pudane, E. Lavendelis, A. Nikitenko // Robotics. — 2019. — Vol. 8, № 2. — Art. 25. — DOI: 10.3390/robotics8020025.

19. Arthur, W. B. Long-term adaptivity in distributed intelligent systems / W. B. Arthur // Nature Reviews Physics. — 2021. — Vol. 3, № 2. — P. 136-145. — DOI: 10.1038/s42254-020-00273-3.

20. Asano, M.; Basieva, I.; Khrennikov, A.; Ohya, M.; Tanaka, Y. Quantum-like dynamics of decision-making / M. Asano, I. Basieva, A. Khrennikov, M. Ohya, Y. Tanaka // Physica A: Statistical Mechanics and its Applications. — 2012. — Vol. 391, № 6. — C. 2083-2099. — DOI: 10.1016/j.physa.2011.11.033.

21. Bagarello, F.; Basieva, I.; Khrennikov, A. Quantum field inspired model of decision making: Asymptotic stabilization of belief state via interaction with surrounding mental environment / F. Bagarello, I. Basieva, A. Khrennikov // Journal of Mathematical Psychology. — 2018. — Vol. 82. — C. 159-168. — DOI: 10.1016/j.jmp.2017.11.004.

22. Barabasi, A.-L. Network Science / A.-L. Barabasi. — Cambridge : Cambridge University Press, 2016.

23. Barros, J.; Toffano, Z.; Meguebli, Y.; Doan, B.-L. Contextual query using Bell tests / J. Barros, Z. Toffano, Y. Meguebli, B.-L. Doan // Quantum Interaction : 7th International Conference, QI 2013, Leicester, UK, July 25-27, 2013 : proceedings. — Berlin : Springer, 2013. — (Lecture Notes in Computer Science ; 8369). — P. 78-91. — DOI: 10.1007/978-3-642-54943-4_10 (дата обращения: 10.05.2021).

24. Baumann, F.; Lorenz-Spreen, P.; Sokolov, I. M.; Starnini, M. Modeling echo chambers and polarization dynamics in social networks / F. Baumann, P. Lorenz-Spreen, I. M. Sokolov, M. Starnini // Physical Review Letters. — 2020. — Vol. 124. — Art. 048301. — DOI: 10.1103/PhysRevLett.124.048301.

25. Bessi, A. [et al.]. Homophily and polarization in the age of misinformation / A. Bessi [et al.] // The European Physical Journal Special Topics. — 2016. — Vol. 225.

— С. 2047-2059. — DOI: 10.1140/epjst/e2015-50319-0.

26. Blei, D. M.; Ng, A. Y.; Jordan, M. I. Latent Dirichlet Allocation / D. M. Blei, A. Y. Ng, M. I. Jordan // Journal of Machine Learning Research. — 2003. — Vol. 3, № 4-5. — С. 993-1022. — Режим доступа: http://www.jmlr.org/papers/volume3/blei03a/blei03a.pdf (дата обращения: 12.06.2020).

27. Bojanowski, P.; Grave, E.; Joulin, A.; Mikolov, T. Enriching word vectors with subword information / P. Bojanowski, E. Grave, A. Joulin, T. Mikolov // Transactions of the Association for Computational Linguistics. — 2017. — Vol. 5. — С. 135-146. — DOI: 10.1162/tacl_a_00051.

28. Busemeyer, J. R.; Bruza, P. D. Quantum Models of Cognition and Decision [Электронный ресурс] / J. R. Busemeyer, P. D. Bruza. — Cambridge: Cambridge University Press, 2012. — Режим доступа: https://doi.org/10.1017/CBO9780511997716

29. Celeghini, E.; Rasetti, M.; Vitiello, G. Quantum dissipation / E. Celeghini, M. Rasetti, G. Vitiello // Annals of Physics. — 1992. — Vol. 215, № 1. — P. 156-170.

— DOI: 10.1016/0003-4916(92)90167-8.

30. Challet, D.; Zhang, Y.-C. Emergence of cooperation and organization in an evolutionary game / D. Challet, Y.-C. Zhang // Physica A: Statistical Mechanics and its

Applications. — 1997. — Vol. 246, № 3-4. — С. 407-418. — DOI: 10.1016/S0378-4371(97)00419-5.

31. Chemudugunta, C.; Smyth, P.; Steyvers, M. Modeling general and specific aspects of documents with a probabilistic topic model / C. Chemudugunta, P. Smyth, M. Steyvers // Advances in Neural Information Processing Systems : proceedings. — 2007. — Vol. 19. — Cambridge, MA : MIT Press. — С. 241-248.

32. Clark, S.; Coecke, B.; Grefenstette, E.; Pulman, S.; Sadrzadeh, M. A quantum teleportation inspired algorithm produces sentence meaning from word meaning and grammatical structure [Электронный ресурс] / S. Clark [et al.] // Malaysian Journal of Mathematical Sciences. — 2013. — Vol. 8. — Режим доступа: https://arxiv.org/pdf/1305.0556.pdf (дата обращения: 10.05.2021).

33. Cota, W.; Ferreira, S. C.; Pastor-Satorras, R.; Starnini, M. Quantifying echo chamber effects in information spreading over political communication networks [Электронный ресурс]/ W. Cota, S. C. Ferreira, R. Pastor-Satorras, M. Starnini // EPJ Data Science. — 2019. — Vol. 8. — Art. 35. — Режим доступа: DOI: 10.1140/epjds/s13688-019-0213-9.

34. Deerwester, S.; Dumais, S. T.; Furnas, G. W. [et al.]. Indexing by latent semantic analysis / S. Deerwester [et al.] // Journal of the American Society for Information Science. — 1990. — Vol. 41, № 6. — С. 391-407. — DOI: 10.1002/(SICI) 1097-4571 (199009)41:6<391: :AID-ASI 1 >3.0.C0;2-9.

35. DeGiorgio, V.; Scully, M. O. Analogy between the laser threshold region and a second-order phase transition / V. DeGiorgio, M. O. Scully // Physical Review A. — 1970. — Vol. 2, № 4. — P. 1170-1173. — DOI: 10.1103/PhysRevA.2.1170.

36. Deli, E. What is psychological spin? A thermodynamic framework for emotions and social behavior / E. Deli // Psych. — 2023. — Vol. 5. — С. 1224-1240. — DOI: 10.3390/psych5030080.

37. Doebeli, M.; Hauert, C. Models of cooperation based on the prisoner's dilemma and the snowdrift game / M. Doebeli, C. Hauert // Ecology Letters. — 2005. — Vol. 8, № 7. — С. 748-766. — DOI: 10.1111/j.1461-0248.2005.00773.x.

38. Dorogovtsev, S. N.; Goltsev, A. V.; Mendes, J. F. F. Critical phenomena in complex networks / S. N. Dorogovtsev, A. V. Goltsev, J. F. F. Mendes // Reviews of Modern Physics. — 2008. — Vol. 80, № 4. — С. 1275-1335. — DOI: 10.1103/RevModPhys.80.1275.

39. Ekman, P. An argument for basic emotions / P. Ekman // Cognition and Emotion. — 1992. — Vol. 6, № 3-4. — С. 169-200. — DOI: 10.1080/02699939208411068.

40. Feinberg, J.; Zee, A. Non-Hermitian localization and delocalization / J. Feinberg, A. Zee // Physical Review E. — 1999. — Vol. 59, № 6. — С. 6433-6443.

— DOI: 10.1103/PhysRevE.59.6433.

41. Feldman Barrett, L.; Gendron, M.; Huang, Y.-M. Do discrete emotions exist? / L. Feldman Barrett, M. Gendron, Y.-M. Huang // Philosophical Psychology. — 2009. — Vol. 22, № 4. — С. 427-437. — DOI: 10.1080/09515080903153634.

42. Feng, Y.; Lapata, M. Topic models for image annotation and text illustration / Y. Feng, M. Lapata // Human Language Technologies : The 2010 Annual Conference of the North American Chapter of the ACL: proceedings. — Los Angeles: ACL, 2010.

— С. 831-839.

43. Flache, A. [et al.]. Models of social influence: Towards the next frontiers [Электронный ресурс] / A. Flache [et al.] // Journal of Artificial Societies and Social Simulation. — 2017. — Vol. 20, № 4. — Art. 6. — Режим доступа: DOI: 10.18564/jasss.3521.

44. Fuyama, M. Does the coexistence of literal and figurative meanings in metaphor comprehension yield novel meaning?: Empirical testing based on quantum cognition [Электронный ресурс] / M. Fuyama // Frontiers in Psychology. — 2023. — Vol. 14. — Art. 1664. — Режим доступа: DOI: 10.3389/fpsyg.2023.1122267.

45. Galam, S. Sociophysics: A Physicist's Modeling of Psycho-Political Phenomena / S. Galam. — Cham : Springer-Verlag, 2021. — 256 с.

46. Gallus, C.; Pothos, E. M.; Blasiak, P.; Yearsley, J. M.; Wojciechowski, B. Bell correlations outside physics [Электронный ресурс] / C. Gallus, E. M. Pothos,

P. Blasiak, J. M. Yearsley, B. Wojciechowski // Scientific Reports. — 2023. — Vol. 13. — Art. 4394. — Режим доступа: DOI: 10.1038/s41598-023-31202-5.

47. Galofaro, F.; Toffano, Z.; Doan, B.-L. A quantum-based semiotic model for textual semantics [Электронный ресурс] / F. Galofaro, Z. Toffano, B.-L. Doan // Kybernetes. — 2018. — Vol. 47, № 2. — С. 270-284. — Режим доступа: https://doi.org/10.1108/K-05-2017-0187 (дата обращения: 10.05.2021).

48. Grefenstette, G.; Tapanainen, P. What is a word, what is a sentence? Problems of tokenization / G. Grefenstette, P. Tapanainen // Proceedings of the 3rd International Conference on Computational Lexicography. — Budapest : Linguistic Institute, Hungarian Academy of Sciences, 1994. — С. 79-87.

49. Guleva, V. [et al.]. Emerging complexity in distributed intelligent systems [Электронный ресурс] / V. Guleva [et al.] // Entropy. — 2020. — Vol. 22, № 12. — Art. 1437. — Режим доступа: DOI: 10.3390/e22121437.

50. Haken, H. Laser Light Dynamics. Vol. 2 / H. Haken. — Amsterdam : North-Holland, 1985. — 388 с.

51. Hamill, L.; Gilbert, N. Agent-Based Modelling in Economics / L. Hamill, N. Gilbert. — Chichester: John Wiley & Sons, Ltd., 2016. — 236 с.

52. Hauert, C.; Doebeli, M. Spatial structure often inhibits the evolution of cooperation in the snowdrift game / C. Hauert, M. Doebeli // Nature. — 2004. — Vol. 428, № 6983. — С. 643-646. — DOI: 10.1038/nature02360.

53. Haven, E.; Khrennikov, A. Y.; Robinson, T. R. Quantum Methods in Social Science: A First Course / E. Haven, A. Y. Khrennikov, T. R. Robinson. — Singapore : World Scientific Publishing Company, 2017. — 304 с.

54. Heylighen, F. Distributed intelligence technologies: Present and future applications / F. Heylighen // The Future Information Society. World Scientific Series in Information Studies. — 2021. — Vol. 8. — С. 136-145. — DOI: 10.1142/9789811231453_0008.

55. Hofmann, T. Probabilistic latent semantic indexing [Электронный ресурс] / T. Hofmann // Proceedings of the 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. — New York : ACM, 1999. —

С. 50-57. — Режим доступа: https://dl.acm.org/doi/10.1145/312624.312649 (дата обращения: 12.01.2021).

56. Hofmann, T. Unsupervised learning by probabilistic latent semantic analysis / T. Hofmann // Machine Learning. — 2001. — Vol. 42, № 1-2. — С. 177-196. — DOI: 10.1023/A:1007617005950.

57. Holyst, J. A.; Kacperski, K.; Schweitzer, F. Phase transitions in social impact models of opinion formation / J. A. Holyst, K. Kacperski, F. Schweitzer // Physica A: Statistical Mechanics and its Applications. — 2000. — Vol. 285, № 1-2. — P. 199-210.

— DOI: 10.1016/S0378-4371(00)00248-2.

58. Hospedales, T.; Gong, S.; Xiang, T. Video behaviour mining using a dynamic topic model / T. Hospedales, S. Gong, T. Xiang // International Journal of Computer Vision. — 2011. — Vol. 98, № 3. — P. 303-323. — DOI: 10.1007/s11263-011-0470-7.

59. Huembeli, P.; Arrazola, J.; Killoran, N.; Mohseni, M.; Wittek, P. The physics of energy-based models [Электронный ресурс] / P. Huembeli, J. Arrazola, N. Killoran, M. Mohseni, P. Wittek // Quantum Machine Intelligence. — 2022. — Vol. 4. — Art. 1.

— Режим доступа: DOI: 10.1007/s42484-021-00058-0.

60. Ianina, A.; Golitsyn, L.; Vorontsov, K. Multi-objective topic modeling for exploratory search in tech news [Электронный ресурс] / A. Ianina, L. Golitsyn, K. Vorontsov // Communications in Computer and Information Science. — Cham : Springer International Publishing, 2017. — С. 181-193. — Режим доступа: https://doi.org/10.1007/978-3-319-71746-3_16 (дата обращения: 12.01.2021).

61. Ianina, A.; Vorontsov, K. Regularized multimodal hierarchical topic model for document-by-document exploratory search / A. Ianina, K. Vorontsov // 2019 25th Conference of Open Innovations Association (FRUCT). — 2019. — С. 131-138. — DOI: 10.23919/FRUCT48121.2019.8981493 (дата обращения: 12.01.2021).

62. Jia, P.; MirTabatabaei, A.; Friedkin, N.; Bullo, F. Opinion dynamics and the evolution of social power in influence networks / P. Jia, A. MirTabatabaei, N. Friedkin, F. Bullo // SIAM Review. — 2015. — Vol. 57, № 3. — С. 367-397. — DOI: 10.1137/130913250.

63. Jurafsky, D.; Martin, J. H. Speech and language processing. 2nd ed. /

D. Jurafsky, J. H. Martin. — Upper Saddle River, NJ : Pearson Prentice Hall, 2009. — 988 с. — Режим доступа: https://web.stanford.edu/~iurafsky/slp3/ (дата обращения: 12.01.2021).

64. Kacperski, K.; Holyst, J. A. Phase transitions and hysteresis in a cellular automata-based model of opinion formation / K. Kacperski, J. A. Holyst // Journal of Statistical Physics. — 1996. — Vol. 84. — С. 169-189. — DOI: 10.1007/BF02179592.

65. Kakkonen, T.; Myller, N.; Sutinen, E.; Timonen, J. Comparison of dimension reduction methods for automated essay grading / T. Kakkonen, N. Myller,

E. Sutinen, J. Timonen // Educational Technology & Society. — 2008. — Vol. 11, № 3. — С. 275-288.

66. Khrennikov, A. 'Social laser': Action amplification by stimulated emission of social energy / A. Khrennikov // Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. — 2016. — Vol. 374. — Art. 20150094. — DOI: 10.1098/rsta.2015.0094.

67. Khrennikov, A. Y. Ubiquitous Quantum Structure: From Psychology to Finances / A. Y. Khrennikov. — Berlin : Springer, 2010. — 348 с.

68. Kiesling, E.; Günther, M.; Stummer, C.; Wakolbinger, L. Agent-based simulation of innovation diffusion: A review / E. Kiesling, M. Günther, C. Stummer, L. Wakolbinger // Central European Journal of Operations Research. — 2012. — Vol. 20, № 2. — С. 183-230. — DOI: 10.1007/s10100-011-0210-y.

69. Li, J.; Zhang, P.; Song, D.; Hou, Y. An adaptive contextual quantum language model / J. Li, P. Zhang, D. Song, Y. Hou // Physica A: Statistical Mechanics and its Applications. — 2016. — Vol. 456. — С. 51-67. — DOI: 10.1016/j.physa.2016.03.089.

70. Li, X.-x. [и др.]. Simultaneous image classification and annotation based on probabilistic model / X.-x. Li [et al.] // The Journal of China Universities of Posts and Telecommunications. — 2012. — Vol. 19, № 2. — С. 107-115. — DOI: 10.1016/S1005-8885(11)60407-6.

71. Lu, Y.; Mei, Q.; Zhai, C. Investigating task performance of probabilistic topic models: An empirical study of PLSA and LDA / Y. Lu, Q. Mei, C. Zhai // Information Retrieval. — 2011. — Vol. 14, № 2. — С. 178-203. — DOI: 10.1007/s 10791-010-9141-9.

72. Lukas, A. Ising formulations of many NP problems / A. Lukas // Frontiers in Physics. — 2014. — Vol. 2. — Art. 5. — DOI: 10.3389/fphy.2014.00005.

73. Lund, K.; Burgess, C. Producing high-dimensional semantic spaces from lexical co-occurrence / K. Lund, C. Burgess // Behavior Research Methods, Instruments, & Computers. — 1996. — Vol. 28, № 2. — С. 203-208. — DOI: 10.3758/BF03204766.

74. Mastroeni, L.; Vellucci, P.; Naldi, M. Agent-based models for opinion formation: A bibliographic survey / L. Mastroeni, P. Vellucci, M. Naldi // IEEE Access. — 2019. — Vol. 7. — С. 58836-58848. — DOI: 10.1109/ACCESS.2019.2914806.

75. Melnikov, A.; Kordzanganeh, M.; Alodjants, A.; Lee, R.-K. Quantum machine learning: From physics to software engineering / A. Melnikov, M. Kordzanganeh, A. Alodjants, R.-K. Lee // Advances in Physics: X. — 2023. — Vol. 8, № 1. — Art. 2165452. — DOI: 10.1080/23746149.2022.2165452.

76. Mikolov, T.; Chen, K.; Corrado, G.; Dean, J. Efficient estimation of word representations in vector space [Электронный ресурс] / T. Mikolov [et al.] // CoRR. — 2013. — Vol. abs/1301.3781. — Режим доступа: https : //arxiv.org/abs/1301.3781 (дата обращения: 14.01.2021).

77. Mikolov, T.; Sutskever, I.; Chen, K.; Corrado, G.; Dean, J. Distributed representations of words and phrases and their compositionality / T. Mikolov [et al.] // Advances in Neural Information Processing Systems. — 2013. — Vol. 26. — P. 31113119.

78. Miller, R. [et al.]. Trapped atoms in cavity QED: Coupling quantized light and matter / R. Miller [et al.] // Journal of Physics B: Atomic, Molecular and Optical Physics. — 2005. — Vol. 38, № 9. — P. S551-S565. — DOI: 10.1088/09534075/38/9/007.

79. Mohan, C. Frontiers of Expert Systems. Reasoning with Limited Knowledge / C. Mohan. — Berlin : Springer, 2000. — 256 с.

80. Mohseni, M.; McMahon, P.; Byrnes, T. Ising machines as hardware solvers of combinatorial optimization problems / M. Mohseni, P. McMahon, T. Byrnes // Nature Reviews Physics. — 2022. — Vol. 4. — C. 363-379. — DOI: 10.1038/s42254-022-00441-y.

81. Murata, T.; Arihara, H. Embedding of signed networks focusing on both structure and relation / T. Murata, H. Arihara // Complex Networks XI : proceedings of the 11th Conference on Complex Networks CompleNet 2020. — Cham : Springer, 2020. — C. 60-70. — DOI: 10.1007/978-3-030-40943-2_6.

82. Newman, M. Mathematics of networks / M. Newman // The New Palgrave Dictionary of Economics / eds. S. N. Durlauf, L. E. Blume. — 2nd ed. — London : Palgrave Macmillan, 2008. — DOI: 10.1057/978-1-349-95121-5_2560-1.

83. Newman, M. Networks / M. Newman. — 2nd ed. — Oxford: Oxford University Press, 2018. — 784 c.

84. Nowak, M. Five rules for the evolution of cooperation / M. Nowak // Science. — 2006. — Vol. 314, № 5805. — C. 1560-1563. — DOI: 10.1126/science. 1133755.

85. O'Neill, T.; McNeese, N.; Barron, A.; Schelble, B. Human-autonomy teaming: A review and analysis of the empirical literature / T. O'Neill, N. McNeese, A. Barron, B. Schelble // Human Factors. — 2022. — Vol. 64, № 6. — P. 904-938. — DOI: 10.1177/00187208211027413.

86. Pennington, J.; Socher, R.; Manning, C. D. GloVe: Global vectors for word representation / J. Pennington, R. Socher, C. D. Manning // Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP). — Doha : ACL, 2014. — P. 1532-1543. — DOI: 10.3115/v1/D14-1162.

87. Pentreath, N. Machine Learning with Spark / N. Pentreath. — Birmingham : Packt Publishing, 2015. — 338 c.

88. Peters, M.; Neumann, M.; Iyyer, M. [et al.]. Deep contextualized word representations / M. Peters [et al.] // Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language

Technologies. — New Orleans : Association for Computational Linguistics, 2018. — P. 2227-2237. — DOI: 10.18653/v1/N18-1202.

89. Pothos, E.; Busemeyer, J. A quantum probability explanation for violations of 'rational' decision theory / E. Pothos, J. Busemeyer // Proceedings of the Royal Society B: Biological Sciences. — 2009. — Vol. 276, № 1665. — P. 2171-2178. — DOI: 10.1098/rspb.2009.0121.

90. Roeder, L. [et al.]. A quantum model of trust calibration in human-AI interactions [Электронный ресурс] / L. Roeder [et al.] // Entropy. — 2023. — Vol. 25, № 10. — Art. 1362. — Режим доступа: DOI: 10.3390/e25101362.

91. Rong, X. Word2vec parameter learning explained [Электронный ресурс] / X. Rong. — 2014. — 22 c. — Режим доступа: https://arxiv.org/abs/1411.2738v4 (дата обращения: 12.01.2021).

92. Rosas, A. Evolutionary game theory meets social science: Is there a unifying rule for human cooperation? / A. Rosas // Journal of Theoretical Biology. — 2010. — Vol. 264, № 2. — P. 450-456. — DOI: 10.1016/j.jtbi.2010.02.025.

93. Russell, J. A circumplex model of affect / J. Russell // Journal of Personality and Social Psychology. — 1980. — Vol. 39, № 6. — P. 1161-1178. — DOI: 10.1037/h0077714.

94. Santos, F.; Pacheco, J. Scale-free networks provide a unifying framework for the emergence of cooperation [Электронный ресурс] / F. Santos, J. Pacheco // Physical Review Letters. — 2005. — Vol. 95, № 9. — Art. 098104. — Режим доступа: DOI: 10.1103/PhysRevLett.95.098104.

95. Sarkar, C.; Jalan, S. Spectral properties of complex networks [Электронный ресурс] / C. Sarkar, S. Jalan // Chaos. — 2018. — Vol. 28, № 10. — Art. 102101. — Режим доступа: DOI: 10.1063/1.5030860.

96. Schweitzer, F.; Garcia, D. An agent-based model of collective emotions in online communities / F. Schweitzer, D. Garcia // The European Physical Journal B. — 2010. — Vol. 77, № 4. — P. 533-545. — DOI: 10.1140/epjb/e2010-00292-1.

97. Scully, M. O.; Zubairy, M. S. Quantum optics. Vol. 4 / M. O. Scully, M. S. Zubairy. — Cambridge : Cambridge University Press, 1997. — 658 с.

98. Seeber, I. [et al.]. Machines as teammates: A research agenda on AI in team collaboration [Электронный ресурс] / I. Seeber [et al.] // Information & Management.

— 2020. — Vol. 57, № 2. — Art. 103174. — Режим доступа: DOI: 10.1016/j.im.2019.103174.

99. Song, D.; Lalmas, M.; van Rijsbergen, C. J. [et al.]. How quantum theory is developing the field of information retrieval / D. Song [et al.] // Quantum Informatics Symposium : proceedings of the AAAI Fall Symposia Series. — Menlo Park, CA : AAAI Press, 2010. — С. 11-14.

100. Sordoni, A.; Nie, J.-Y.; Bengio, Y. Modeling term dependencies with quantum language models for IR [Электронный ресурс] / A. Sordoni, J.-Y. Nie, Y. Bengio // Proceedings of the 36th International ACM SIGIR Conference on Research and Development in Information Retrieval. — New York : ACM, 2013. — P. 653-662.

— Режим доступа: https://doi.org/10.1145/2484028.2484098 (дата обращения: 10.05.2021).

101. Surov, I. Quantum core affect. Color-emotion structure of semantic atom / I. Surov // Frontiers in Psychology. — 2022. — Vol. 13. — Art. 838029. — DOI: 10.3389/fpsyg.2022.838029.

102. Taylor, P.; Day, T. Cooperate with thy neighbour? / P. Taylor, T. Day // Nature. — 2004. — Vol. 428, № 6983. — С. 611-612. — DOI: 10.1038/428611a.

103. TenHouten, W. A General Theory of Emotions and Social Life / W. TenHouten. — London : Routledge, 2006. — Vol. 2. — 464 с. — ISBN 978-0-41577099-7.

104. Toffano, Z.; Galofaro, F. Quantum investigations from logic to computers and robots [Электронный ресурс] / Z. Toffano, F. Galofaro // Semiotica e Intelligenza Artificiale : Incontri sul Senso. — 2022. — Режим доступа: https://www.semiotica-ai.it (дата обращения: 08.03.2024).

105. Tsarev, D.; Trofimova, A.; Alodjants, A.; Khrennikov, A. Phase transitions, collective emotions and decision-making problem in heterogeneous social systems / D. Tsarev, A. Trofimova, A. Alodjants, A. Khrennikov // Scientific Reports. — 2019. — Vol. 9. — P. 1-13. — DOI: 10.1038/s41598-019-47677-5.

106. Tsuchiya, N.; Bruza, P. D.; Yamada, M.; Saigo, H.; Pothos, E. A quantum qualia hypothesis: From quantum cognition to quantum perception [Электронный ресурс] / N. Tsuchiya [et al.]. — 2023. — Режим доступа: https://osf.io/preprints (дата обращения: 08.03.2024).

107. Turney, P. D.; Pantel, P. From frequency to meaning: Vector space models of semantics / P. D. Turney, P. Pantel // Journal of Artificial Intelligence Research. — 2010. — Vol. 37. — С. 141-188. — DOI: 10.1613/jair.2934.

108. Van Rijsbergen, C. J. The geometry of information retrieval [Электронный ресурс] / C. J. van Rijsbergen. — Cambridge : Cambridge University Press, 2004. — Режим доступа: https://doi.org/10.1017/CBO9780511543333 (дата обращения: 10.05.2021).

109. Vulic, I. [et al.]. Probabilistic topic modeling in multilingual settings: An overview of its methodology and applications / I. Vulic [et al.] // Information Processing & Management. — 2015. — Vol. 51, № 1. — С. 111-147. — DOI: 10.1016/j.ipm.2014.07.003.

110. Vulic, I.; De Smet, W.; Moens, M.-F. Cross-language information retrieval models based on latent topic models trained with document-aligned comparable corpora / I. Vulic, W. De Smet, M.-F. Moens // Information Retrieval. — 2012. — Vol. 16, № 3. — С. 331-368. — DOI: 10.1007/s10791-012-9193-3.

111. Walther, J. Social media and online hate / J. Walther // Current Opinion in Psychology. — 2022. — Vol. 45. — Art. 101298. — DOI: 10.1016/j.copsyc.2021.12.007.

112. Wang, W. Instantaneous versus convolutive non-negative matrix factorization: Models, algorithms and applications to audio pattern separation / W. Wang // Non-Negative Matrix Factorization Techniques: book chapter. — 2011. — DOI: 10.4018/978-1-61520-919-4.ch015.

113. Xing, Y.; Wang, X.; Qiu, C.; Li, Y.; He, W. Research on opinion polarization by big data analytics capabilities in online social networks / Y. Xing, X. Wang, C. Qiu, Y. Li, W. He // Technology in Society. — 2022. — Vol. 68. — Art. 101902. — DOI: 10.1016/j .techsoc.2022.101902.