自然语言文本分析与信息提取方法汇总

请记住以下内容，我在后面的prompt提出的所有问题都是基于这些内容：

1. 摘要生成:
   • 提取摘要：
     请基于我上面前面所提供的内容提取关键句子来组成摘要。
   • 抽象摘要：
     请基于我上面前面所提供的内容，使用自然语言处理技术生成新的句子作为摘要。
2. 情感分析：
   请基于我上面前面所提供的内容，为关键实体分别进行情感打分，并对全文评估文本的情感或情绪，10分为正面最高分，0分为负面最低分，进行打分。
   也可以分为正面、负面或中性。
3. 信息洞察：
   请基于我上面前面所提供的内容，从提供的文字数据中提取有价值的洞察信息或隐含信息。
   
   
4. 风格：
   在我上面提供的文章里，分别提取哪些内容包含和不包含个人意见或情感。
5. 信息抽取：
   在我上面提供的文章里，从非结构化的文本中提取出结构化的信息。
6. 文本聚类：
   在我上面提供的文章里，将相似的文本片段分组在一起，从而了解文本中的不同主题或概念。
7. 关系抽取：
   在我上面提供的文章里，从文本中识别实体之间的关系，尽量多列出来一些。
8. 模式识别：
   在我上面提供的文章里，寻找并提取特定的模式或趋势。
   
   
9. 关键词提取：
   以原文为依据，通过统计分析或基于图的方法从文本中提取关键词或短语。方法有TF-IDF、Rake、TextRank等。
10. 词频统计
    以原文为依据，对原文里的词汇进行次数统计，以“词汇: n次”的格式列出来，并按次数从大到小的顺序进行排列。
11. 主题建模：
    以原文为依据，使用算法（如LDA，但不限于LDA）来发现文本中的隐含主题。
12. 命名实体识别 (NER)：
    以原文为依据，从文本中识别并分类其中的命名实体，并将实体名进行次数统计，以“实体名: n次”的格式列出来，并按次数从大到小的顺序进行排列。
13. 其它特性：
    以原文为依据，分析哪些内容与特定的时间、时期、地域、实体或人物相关。
    
    
14. 句法和语义分析：
    使用自然语言处理技术来理解句子的结构和含义。
15. 可视化：
    使用词云、主题分布图或其他可视化工具来表示文本内容。
16. 文本分类：
    根据预先定义的类别对文本进行分类。
17. 问答系统：
    为用户提供一个界面，让他们直接询问与文本内容相关的问题。
18. 语义搜索：
    不仅基于关键词，还基于文本的深层含义来执行搜索操作。