在分析文本数据的特点及难点时，以下选项都是正确的：

A: **半结构化**
B: **数据量大**
C: **高维稀疏性**
D: **蕴含语义、情感**

让我们逐一分析这些特点和难点：

### A: 半结构化
文本数据通常被视为半结构化数据。这是因为，虽然它们遵循一定的格式（如文章中的段落、句子），但与数据库中高度结构化的数据相比，它们的结构不够严格。因此，处理和解析这些数据以提取信息和知识是一个挑战。

### B: 数据量大
随着互联网和数字化内容的爆炸式增长，文本数据的数量巨大。从社交媒体到新闻文章，再到用户生成内容，文本数据量非常庞大，给存储、处理和分析带来了挑战。

### C: 高维稀疏性
文本数据通常被表示为高维稀疏矩阵，尤其在使用词袋模型（Bag of Words）或词汇表模型时。由于词汇量大，每个文档都在一个高维空间中进行表示，但实际每个文档只会包含其中很少的一部分词汇，这使得矩阵非常稀疏。

### D: 蕴含语义、情感
文本数据富含语义信息和情感信息。理解文本不仅要求对语言的基本语法和结构有清楚的认识，还需要捕捉隐藏在文字背后的语义、情感和意图，这对自然语言处理技术提出了较高的要求。

这些特点和难点是文本数据不同于其他数据形式的主要原因，也是自然语言处理领域研究和应用的关键点。研究者与工程师需要设计更加复杂的模型和算法来处理这些数据，以便有效提取有用的信息和知识。