藤原らの研究[2]では，複数の文書から重要な情報をCaboCha2.1による固有表現抽出を用いた手法と，ALAGIN2.2の上位下位知識を用いた手法の2つの手法により抽出し，抽出した重要情報を表の形で整理していた． また，生成された表の空欄箇所を情報を書き漏らした箇所として検出し，これを指摘し記載の追加を促すことで文章作成支援を行った．
赤野らの研究[1]では，MeCab2.3によって複数の文書を単語単位に分割し，各単語をword2vecを用いてベクトルで表現した後，これをk-means法でクラスタリングし，文書を行い，クラスタを列とする表の形で整理していた． また，生成された表の空欄箇所を情報を書き漏らした箇所として検出し，これを指摘し記載の追加を促すことで文章作成支援を行った．
村田らの研究[3]では，自然言語処理の論文アブストラクトからYamChaと教師あり機械学習を用いて「精度表現」「主要な分野」「言語名」「組織 ・ 人名」の4つの重要な表現を抽出した． また，抽出した重要な表現を表に整理したり，重要な表現を含む論文の分布や傾向をグラフで示すことで情報を可視化するツールを構築した．
中渡瀬らの研究[11]では，論文のアブストラクトの中から「主旨」を表現していると考えられる文を「本研究では」や「本稿では」などのキーワードを基に抽出する．抽出できなかった文に対しては，用意した主旨を表すサンプル文に含まれる述語から作成した述語リストを用いて抽出した．