os modelos baseados em n-gramas recuperam uma quantidade imensa de informação em um idioma e podem ter bom desempenho em identificação de idioma e correção ortográfica.

é importante a seleção de características e o pré processamento para eliminar anomalias.

a classificação de texto pode ser feita com modelos de n-gramas com qualquer algoritmo de classificação tradicional.

sistemas de recuperação de informação utilizam um modelo de linguagem simples baseado em saco de palavras e conseguem bons desempenhos em termos de cobertura e precisão com corpora muito grandes de texto.

sistemas de extração de informação utilizam um modelo mais complexo que inclui noções limitadas de sintaxe e semântica e podem ser construídos a partir de autômatos de estado finito.