No processo de reconhecimento da estrutura, ocorre a análise léxica e a remoção de palavras sem semântica associada.

O processo de quebra do texto em palavras (tokenização) é dependente da stoplist, um dicionário próprio aplicado à separação das palavras.

A classificação de grupos nominais visa a identificação dos verbos e remoção das demais palavras, através de listas de palavras, etiquetadores automáticos e um thesaurus da língua ou do domínio.

Acentos, espaçamento e demais símbolos são delimitadores considerados naturais no processo de stemming.

O processo de stemming consiste em remover os afixos, preservando o radical e possibilitando o casamento entre variações de uma mesma palavra.