Koreferences atrisināšana ir dabiskās valodas apstrādes uzdevums, kas nosaka, kuri izteikumi tekstā attiecas uz vienu un to pašu personu, lietu vai jautājumu. Teikumā „Weber kundze piezvanīja. Viņa vēlas, lai tai atzvana” sistēmai jāsaprot, ka „viņa” nozīmē Weber kundzi. Tas ir svarīgi kopsavilkumiem, informācijas izguvei un tērzēšanas robotiem, kuriem jāseko atsaucēm vairākos teikumos vai sarunas reizēs.
Dabiskās valodas apstrāde ir MI nozare, kas ļauj datoriem analizēt, saprast un ģenerēt cilvēku valodu tekstā vai runā. Tā aptver uzdevumus, piemēram, tulkošanu, klasifikāciju, kopsavilkumu veidošanu, noskaņojuma analīzi un atbilžu sniegšanu uz jautājumiem. Kādreiz dominēja noteikumi un statistikas metodes; mūsdienās nozari veido lielie valodas modeļi.
Nosaukto entītiju atpazīšana (NER) ir dabiskās valodas apstrādes paņēmiens, kas tekstā atrod cilvēku, uzņēmumu un vietu nosaukumus, kā arī datumus vai summas un katram piešķir kategoriju. Tā pārveido brīvu tekstu strukturētos datos. Piemērs: no e-pasta automātiski tiek izgūts sūtītāja uzņēmums, kontaktpersona, piegādes datums un rēķina summa un nodots CRM sistēmai.
Atkarību sintaktiskā analīze ir dabiskās valodas apstrādes paņēmiens, kas teikuma gramatisko uzbūvi attēlo kā atkarības starp vārdiem. Katrs vārds ir saistīts ar pārvaldošo vārdu, piemēram, priekšmets un papildinātājs ar izteicēju: teikumā „Klients pasūta divas lampas” vārdi „klients” un „lampas” ir atkarīgi no „pasūta”. Tas palīdz informācijas izgūšanā, piemēram, lai noteiktu, kas ko izdarīja.
Dabiskās valodas izpratne ir valodas apstrādes daļa, kas uztver izteikuma nozīmi: kāds nodoms tam aiz muguras, kuras personas, vietas vai datumi tiek minēti un kāds ir tonis. Kopā ar dabiskās valodas ģenerēšanu (NLG) NLU veido vienu no divām NLP pusēm. Piemērs ir klientu apkalpošanas sistēma, kas atpazīst „Mana sūtījuma joprojām nav” kā pieprasījumu par piegādi.
