Với sự bùng nổ của thông tin trong thời đại ngày nay, kho dữ liệu ngày càng lớn
việc tìm ra những thông tin có ích, mang giá trị cao là điều cấp thiết. Các thông tin
trong các kho dữ liệu thường là những thông tin phi cấu trúc còn những thông tin có
cấu trúc thường là những thông tin có ích, mang giá trị cao, do vậy việc đầu tiên cần
quan tâm là phải có một hệ thống để chuyển những thông tin phi cấu trúc thành những
thông tin có cấu trúc.
Thông tin phi cấu trúc là nguồn thông tin lớn nhất, nhanh nhất và ngày càng tăng
trong nguồn thông tin có sẵn cho các doanh nghiệp và chính phủ hiện nay. Xem xét
các thông tin được lưu trữ trong các doanh nghiệp và phương tiện truyền thông trên
thế giới bao gồm văn bản, âm thanh, video v.v Các nội dung có giá trị cao trong các
nguồn thông tin phi cấu trúc thường nằm lẫn lộn trong kho nội dung lớn. Chúng được
giấu trong các nguồn thông tin khác nhau. Tự động tìm ra những thông tin mang giá trị
cao, chuyển chúng thành những thông tin có cấu trúc, lưu trữ vào cơ sở dữ liệu hay sử
dụng những thông tin có cấu trúc này vào các ứng dụng khác là hướng phát triển của
một kiến trúc quản lý thông tin hiện đại. Kiến trúc quản lý thông tin phi cấu trúc
(Unstructure Information Management Architecture - UIMA) [10][11] được xây dựng
để thực hiện nhiệm vụ trên.
Trên thế giới đã có rất nhiều các ứng dụng kiến trúc UIMA để xử lý tiếng Anh,
tiếng Đức v.v Kho dữ liệu về tiếng Việt ngày càng phát triển và các nhu cầu xử lý
nguồn thông tin này ngày càng tăng. Xây dựng các hệ thống xử lý tiếng Việt trên
UIMA trở nên cấp thiết. Điểm khó khăn trong xử lý trên ngôn ngữ tiếng Việt ở chỗ
tiếng Việt đa dạng, phong phú và có nhiều điểm còn nhập nhằng
