การประมวลผลภาษาธรรมชาติสำหรับภาษาไทยนั้นเป็นเรื่องที่ยากเนื่องจากภาษาไทยเป็นภาษาที่ไม่เข้มงวดในโครงสร้างของไวยกรณ์ แต่เน้นเอาความหมายเป็นหลัก คำที่ถูกสร้างขึ้นมาใหม่ส่วนใหญ่เกิดขึ้นจากเป็นการนำเอาคำโดดมาผสมกันเพื่อให้เกิดเป็นคำใหม่ที่อาจจะมีความหมายคล้ายกับคำเดิมหรือแตกต่างไป ซึ่งบางครั้งหากต้องการเน้นความหมายก็อาจใช้วิธีเขียนคำเดิมซ้ำหรือเพิ่มคำขยาย หรืออาจจะใช้วิธีการผันเสียงที่สูงหรือห้วนขึ้น สำหรับคำในภาษาไทยจะไม่มีการเปลี่ยนรูปคำ ตามกาลเวลา หรือความเป็นเอกพจน์และพหูพจน์ หรือการใช้อักษรตัวใหญ่ ตัวเล็ก เพื่อบ่งบอกคำเฉพาะ ซึ่งทำให้ไม่สามารถวิเคราะห์หน้าที่ของคำจากโครงสร้าง ไวยกรณ์ได้ อีกทั้งคำที่เขียนในภาษาไทยจะเขียนในลักษณะที่ติดต่อกันโดยไม่มีช่องว่างระหว่างคำ ซึ่งจำเป็นต้องมีขบวนการการตัด ในส่วนของการวิเคราะห์ โครงงานวิจัยนี้จึงมีแนวคิดในการจัดทำเหมืองข้อมูลสำหรับเอกสารงานวิจัยและผลงานทางวิชาการของสำนักงานกองทุนสนับสนุนการวิจัย ทั้งที่มีอยู่ในปัจจุบันและในอดีตที่มีมากกว่า 5000 เรื่องที่อาจอยู่ในไฟล์รูปแบบต่างๆหรืออาจจะยังอยู่ในรูปของกระดาษ โดยจะทำการวิเคราะห์เอกสารโดยการประยุกต์ใช้หลักการประมวลผลภาษาธรรมชาติสำหรับการวิเคราะห์โครงสร้างของข้อความภาษาไทย เพื่อคัดแยกโครงสร้าง คำสำคัญและจัดเอกสารออกเป็นหมวดหมู่ต่างๆ พร้อมทั้งจัดทำดัชนี สำหรับการสืบค้น พร้อมทั้งจัดทำเป็นโปรแกรมประยุกต์เพื่อให้เหมาะสมต่อการนำไปใช้งานและสำหรับผู้ใช้งานในระดับต่างๆ