процес аналізу синтаксичної структури тексту чи частини

тексту, що ґрунтується на зіставленні лінійної послідовності лексем (слів,

процес утворення

початкової форми слова, виходячи з інших його словоформ

розбиття потоку символів природної мови на окремі

значимі одиниці

знаходження стеми (основи) слова

походження і склад тексту (автор повинен був бути уродженим носієм американського варіанту англійської мови, діалогічне мовлення повинно було займати менше половини всього обсягу тексту)

доступність для комп’ютерної обробки ((спеціальні помітки для передачі графічних особливостей тексту і т. п.).

збалансоване представлення різних жанрів

часова віднесеність (всі відібрані до корпусу тексти були вперше опубліковані у 1961 році)