A geração de uma lista de termos obtidas do texto original, a partir da eliminação da pontuação e de outros caracteres que são desnecessários no contexto em que o texto será analisado.
B eliminação de artigos, pronomes, numerais, conjunções, advérbios e palavras de outras classes gramaticais do texto que são irrelevantes no processo de mineração de dados.
C uniformização dos termos a partir da remoção dos sufixos e prefixos das palavras.
D atribuição de pesos a cada termo presente no dicionário de termos.
E associação de cada termo do texto a um radical da biblioteca do corpus ao qual o documento está contido.