文本分類 : 在給定已知的分類體系下，根據(jù)文本特征構建有監(jiān)督機器學習模型，達到識別文本類型或內容主旨的目的.文本關聯(lián) : 它是傳統(tǒng)關聯(lián)規(guī)則方法在文本挖掘上的應用，包含文檔類型關聯(lián)、詞匯關聯(lián)、實體關聯(lián)等內容.文本聚類: 就是從眾多的文檔中把一些內容相似的文檔聚為一類的技術，同類的文本相似度較大，而不同類的文本相似度較小，是一種無監(jiān)督的機器學習方法.文本摘要: 就是對數(shù)據(jù)內容進行提煉與總結，以簡潔、直觀的摘要來概括所關注的主要內容，方便我們快速地了解與瀏覽內容.

正確答案是：A: 文本分類、C: 文本聚類、D: 文本摘要。

專業(yè)分析：

1. **文本分類**（Text Classification）：這是自然語言處理中的一種常見任務，涉及將文本分配到預定義的類別或標簽中。例如，將新聞文章分類為體育、政治、娛樂等類別。這種方法廣泛應用于垃圾郵件過濾、情感分析等領域。

2. **文本聚類**（Text Clustering）：這一方法涉及將一組文檔分成多個簇，使得同一簇內的文檔在內容上盡可能相似，而不同簇之間的文檔盡可能不同。文本聚類常用于文檔組織、主題發(fā)現(xiàn)等任務。

3. **文本摘要**（Text Summarization）：文本摘要是從原始文本中生成簡短、連貫的摘要的過程。它可以是抽取式（從原文中選擇重要句子）或生成式（生成新的句子）。文本摘要在新聞摘要、文檔濃縮等應用中非常有用。

B: 文本關聯(lián)（Text Association）并不是自然語言處理中的常見術語或方法?？赡苁侵戈P聯(lián)規(guī)則挖掘等技術，但這通常與數(shù)據(jù)挖掘和推薦系統(tǒng)更相關，而不是自然語言處理的核心任務。