Có nhiều yếu tố của MBR như sau:
Chọn tập huấn luyện (Choosing the Training Set) – Tập huấn luyện bao gồm 49,652 câu chuyện tin tức, được hỗ trợ bởi dịch vụ truy xuất tin tức cho mục đích này. Những câu chuyện này xuất hiện từ khoảng ba tháng tin tức và từ gần 100 nguồn khác nhau.
Mỗi câu chuyện bao gồm, trung bình, 2,700 từ và có tám mã được gán cho nó. Tập huấn luyện không được tạo đặc biệt, do đó tần suất mã trong tập huấn luyện thay đổi rất nhiều, mô phỏng tần suất tổng thể của mã trong tin tức chung.
Chọn hàm khoảng cách (Choosing the Distance Function) – Bước tiếp theo là chọn hàm khoảng cách. Trong phương pháp này, một hàm khoảng cách tồn tại, dựa trên khái niệm gọi là relevance feedback (phản hồi liên quan) tính toán độ tương đồng của hai tệp dựa trên từ chúng chứa. Relevance feedback, được định nghĩa đầy đủ hơn trong sidebar, được tạo để trả về tệp tương tự với tài liệu cho trước, như phương pháp tinh chỉnh tìm kiếm. Các tệp tương tự là láng giềng dùng cho MBR.
Chọn hàm kết hợp (Choosing the Combination Function) – Quyết định tiếp theo là hàm kết hợp. Việc gán mã phân loại cho câu chuyện tin tức khác với hầu hết vấn đề phân loại. Một số vấn đề phân loại tìm kiếm giải pháp tốt nhất đơn lẻ. Nhưng câu chuyện tin tức có thể có nhiều mã, ngay cả từ cùng yếu tố. Khả năng thích ứng MBR với vấn đề này làm nổi bật sự linh hoạt của nó.
Hàm kết hợp cần phương pháp tổng có trọng số. Vì khoảng cách tối đa là 1, trọng số đơn giản là một trừ khoảng cách, do đó trọng số có thể lớn cho láng giềng ở khoảng cách nhỏ và nhỏ cho láng giềng ở khoảng cách lớn.
Chọn số láng giềng (Choosing the Number of Neighbors) – Điều tra thay đổi số láng giềng gần nhất giữa 1 và 11 bao gồm. Kết quả tốt nhất xuất hiện từ việc dùng nhiều láng giềng. Nhưng nghiên cứu trường hợp này khác với nhiều ứng dụng MBR vì nó gán nhiều danh mục cho mỗi câu chuyện. Vấn đề chung là gán chỉ một danh mục hoặc mã đơn lẻ và ít láng giềng hơn sẽ đủ cho kết quả tốt nhất.
Để tính hiệu quả của MBR trên mã hóa, dịch vụ tin tức có hội đồng biên tập xem xét một số mã được gán, dù bởi biên tập viên hay MBR, cho 200 câu chuyện. Có một số mã được đồng ý bởi đa số hội đồng được coi là "đúng".
So sánh các mã "đúng" với mã ban đầu được gán bởi biên tập viên con người thú vị. 88% mã ban đầu được gán cho câu chuyện (bởi con người) là đúng nhưng biên tập viên con người cũng mắc lỗi.