بالإضافة إلى الدراسات المتعلقة بتقنية الذكاء الاصطناعي، تُجرى أبحاث نشطة أيضًا في مجال معالجة اللغة الطبيعية بهدف فهم ومعالجة لغة البشر، أي اللغة الطبيعية. إذ يُعدّ مهارة فهم اللغة الطبيعية أمرًا بالغ الأهمية لتمكين الحواسيب من التعلّم ذاتيًا. تشمل مجال معالجة اللغة الطبيعية مجموعة واسعة من المهام، لكننا نرغب في التركيز على مهمة التعرف على الكيانات المحددة واستخلاص العلاقات، التي تُعتبر من أكثر المهام أهمية في فهم الجمل. نقترح نموذج DeNERT-KG، الذي يمكنه استخراج الموضوع، والكائن، والعلاقات، بهدف فهم المعنى المتأصل في الجملة. يستند هذا النموذج إلى نموذج لغة BERT وشبكة عصبية عميقة Q-Net، حيث تم بناء نموذج التعرف على الكيانات المحددة (NER) لاستخراج الموضوع والكائن، بينما يُستخدم رسم معرفي (مخطط معرفي) لاستخلاص العلاقات. وباستخدام نموذج DeNERT-KG، يُمكن استخراج الموضوع، ونوع الموضوع، والكائن، ونوع الكائن، وال관계 من جملة واحدة، ويُمكن التحقق من صحة هذا النموذج من خلال تجارب تجريبية.