語意理解
深度學習
深度學習（Deep Learning）為基於類神經網路（Neural Network）理論和學習資料表徵（Learning Data Representations）為基礎的機器學習 （Machine Learning）一分支。因AlphaGo大勝世界棋王，此役除了讓AlphaGo一戰成名，更提升了大眾對深度學習技術之能耐的信賴與關注。深度學習中如時間遞歸神經網絡（Recurrent Neural Network, RNN）、卷積神經網路（Convolutional Neural Network, CNN）...等，廣泛應用於AI Clerk的技術研發中。
大數據分析
在具大量（Volume）、快速（Velocity）、多樣性（Variety）、多變性（Variability）與真實性（Veracity） 的巨量資料中，AI Clerk嘗試利用機器學習、資料探勘或自然語言 處理等方法，分析出額外的資訊以及資訊間的關聯，企圖建立各式輔助決策支援系統，創造商業價值。
自然語言處理
自然語言處理屬人工智慧和語言學領域的分支研究領域，目的在於讓電腦瞭解人類的語言。自然語言處理和語言學領域的計算語言學（Computational Linguistics）有相當多重疊處。 自然語言處理的典型任務，如：
- 問答系統（Question Answering）：智慧回覆，如：諮詢「AI Clerk」可獲得即時個人化商品推薦結果。
- 語意理解（Language Understanding）、語意標記（Concept Labeling）：自動理解字串在文章中的語意類別。譬如：可以知道句子〝越來越多手機可無線充電〞中的〝無線充電〞所表達的是一種「功能」的概念。
- 關鍵詞擷取（Keyword Extraction）：擷取出文章的關鍵詞，提供友善、快速瀏覽與篩選文章。
- 自動文本分類（Text Classification）：將文章自動歸屬於某類別。譬如：可將〝我的Galaxy Note 7竟然爆炸了〞這樣的內容自動分類到「抱怨類文章」。
- 文本分群（Text Clustering）：群聚相似文章。譬如：將來自不同媒體所發佈有關〝iPhone X〞的報導內容，自動判對屬於同一主題系列報導。
- 錯誤校正（Error Correction）：校正輸入錯誤的字串。譬如：可將〝我喜歡透過手機學之事〞自動修正為〝我喜歡透過手機學知識〞。
- 語言模組（Language Model）：經由已知字串預測出下一個可能出現的字詞。譬如：當輸入〝我想買適合玩遊〞的字串，系統預測出下一個想要輸入的中文字可能是〝戲〞。
- 語意關係擷取（Relation Extraction）：得以理解文本中兩個字串之間的語意關係。譬如：可識別 〝我認真覺得 iPhone X 比小米好搶〞 這句話中〝iPhone X〞和〝小米〞這兩個字串是拿來被「比較」的。
- 文本生成（Text Generation）：給予部分資訊，自動生成完整句子或文章。
