Una vez definidos el concepto de representación canónica de un texto, así como el tipo de información necesaria, el siguiente paso es establecer el modelo conceptual que nos va a permitir integrar estos dos aspectos e implementarlos.

Para llevar a cabo esta actividad nos basaremos en los niveles de análisis del lenguaje utilizados en las TLH: nivel léxico, sintáctico y semántico. Centrándonos en estos tres niveles el objetivo de esta actividad será analizar y determinar la información  que se puede obtener en cada uno de ellos y que nos pueda servir para la representación canónica de un texto.

El concepto de representación o forma canónica es de sobra conocido y utilizado en diversos ámbitos científicos como la lingüística con su proceso de lematización de las palabras (Alonso-Cortés, 2002), las matemáticas con la forma canónica de las ecuaciones (Lassez y McAloon, 1992), el álgebra (Webster, 2015) o la informática con su estándar de codificación de caracteres para la transmisión y visualización de texto (Davis y Collins, 1990).