Koreferensopløsning er en opgave inden for naturlig sprogbehandling, der identificerer, hvilke udtryk i en tekst der henviser til den samme person, ting eller sag. I »Fru Weber ringede. Hun vil gerne ringes op igen« skal systemet forstå, at »hun« betyder fru Weber. Det er vigtigt for resuméer, informationsudtræk og chatbots, der skal holde styr på henvisninger på tværs af flere sætninger eller samtaleomgange.
Natural language processing er den gren af AI, der gør det muligt for computere at analysere, forstå og generere menneskeligt sprog i tekst eller tale. Det omfatter opgaver som oversættelse, klassifikation, opsummering, sentimentanalyse og spørgsmålsbesvarelse. Tidligere dominerede regler og statistiske metoder; i dag er feltet præget af store sprogmodeller.
Genkendelse af navngivne entiteter (named entity recognition, NER) er en teknik inden for naturlig sprogbehandling, som finder navne på personer, virksomheder og steder samt datoer eller beløb i tekst og tildeler hver en kategori. Den omdanner fri tekst til strukturerede data. Eksempel: Afsenderens virksomhed, kontaktperson, leveringsdato og fakturabeløb udtrækkes automatisk fra en e-mail og overføres til et CRM.
Afhængighedsparsing (dependency parsing) er en teknik inden for naturlig sprogbehandling, der gengiver en sætnings grammatiske struktur som afhængigheder mellem ordene. Hvert ord knyttes til et styrende ord, f.eks. subjekt og objekt til verbet: I 'Kunden bestiller to lamper' afhænger 'kunden' og 'lamper' af 'bestiller'. Det hjælper ved udtrækning af information, f.eks. til at afgøre, hvem der har gjort hvad.
Natural language understanding er den del af sprogbehandlingen, der fanger betydningen af en ytring: hvilken hensigt ligger bag, hvilke personer, steder eller datoer nævnes, og hvad er tonen? Sammen med natural language generation (NLG) udgør NLU den ene af NLP's to sider. Et eksempel er et kundeservicesystem, der genkender »Min pakke er stadig ikke kommet« som en leveringsforespørgsel.
