文本分类 : 在给定已知的分类体系下，根据文本特征构建有监督机器学习模型，达到识别文本类型或内容主旨的目的. 文本关联 : 它是传统关联规则方法在文本挖掘上的应用，包含文档类型关联、词汇关联、实体关联等内容. 文本聚类: 就是从众多的文档中把一些内容相似的文档聚为一类的技术，同类的文本相似度较大，而不同类的文本相似度较小，是一种无监督的机器学习方法. 文本摘要: 就是对数据内容进行提炼与总结，以简洁、直观的摘要来概括所关注的主要内容，方便我们快速地了解与浏览内容.

正确答案是：A: 文本分类、C: 文本聚类、D: 文本摘要。

专业分析：

1. **文本分类（A）**：这是一种将文本数据分配到预定义类别中的过程。例如，将电子邮件分为“垃圾邮件”和“非垃圾邮件”类别。文本分类是自然语言处理中的一个重要应用。

2. **文本关联（B）**：文本关联通常不被认为是自然语言处理的一个主要方法。它更多地涉及到数据挖掘和关联规则的发现，而不是直接处理自然语言。

3. **文本聚类（C）**：文本聚类是将一组文档分成多个组，每个组中的文档在某种意义上是相似的。比如，可以将新闻文章聚类成不同的主题。文本聚类也是自然语言处理中的一个重要方法。

4. **文本摘要（D）**：文本摘要是从原始文本中提取重要信息并生成简短摘要的过程。它可以是抽取式摘要（从原文中抽取句子）或生成式摘要（生成新的句子）。文本摘要是自然语言处理中的一个常见应用。

综上所述，文本分类、文本聚类和文本摘要都是自然语言处理的方法，而文本关联不太符合这个定义。