* Zoekwoordanalyse: Ik zoek naar specifieke woorden en zinsneden die vaak worden geassocieerd met verschillende teksttypen. De aanwezigheid van woorden als 'abstract', 'inleiding', 'methoden' en 'conclusie' zou bijvoorbeeld op een wetenschappelijk artikel kunnen duiden. Juridische termen kunnen verwijzen naar een juridisch document, enzovoort.

* Zinstructuur en complexiteit: De lengte en complexiteit van zinnen, het gebruik van passieve stem en de algehele formaliteit van de taal dragen allemaal bij aan het identificeren van het teksttype. Academisch schrijven heeft doorgaans langere, complexere zinnen dan bijvoorbeeld een gewone e-mail.

* Aanwezigheid van specifieke opmaak: Koppen, subkoppen, opsommingstekens, citaten, genummerde lijsten en andere opmaakelementen zijn sterke indicatoren voor het teksttype. Een document met talloze citaten is waarschijnlijk een academisch artikel of een recensie.

* Statistische analyse van woordfrequenties: Bepaalde woorden en woordcombinaties verschijnen vaker in verschillende teksttypen. Het analyseren van de distributie van woorden kan helpen het genre te identificeren.

* Algemene context en structuur: Ik houd rekening met de algehele organisatie en stroom van de tekst. Een narratieve structuur suggereert een verhaal of roman, terwijl een chronologische structuur op een historisch verhaal kan duiden.

In wezen gebruik ik een combinatie van patroonherkenning en statistische analyse om het waarschijnlijke teksttype af te leiden op basis van de invoer. Mijn antwoord is geen definitief ‘type’, maar eerder een waarschijnlijkheid gebaseerd op de analyse van de kenmerken van de tekst.