Trong bối cảnh cần thiết của việc xử lý và phân loại thông tin văn bản tự nhiên, đề tài này tập trung vào việc xây dựng một hệ thống nhận dạng tự động cho các đoạn văn bản tiếng Anh. Mục tiêu của nghiên cứu là phát triển mô hình dựa trên phương pháp học máy để cải thiện hiệu suất trong việc xác định các đơn vị ngôn ngữ từ các văn bản in ấn. Phương pháp tiếp cận kết hợp lý thuyết và thực nghiệm nhằm đánh giá hiệu quả của hệ thống. Kết quả mong đợi của đề tài không chỉ đóng góp vào lĩnh vực nghiên cứu về xử lý ngôn ngữ tự nhiên mà còn cung cấp giải pháp hữu ích cho các ứng dụng trong cơ sở dữ liệu văn bản và trí tuệ nhân tạo.