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**（Text Classification）：这是自然语言处理中的一种常见任务，涉及将文本分配到预定义的类别或标签中。例如，将新闻文章分类为体育、政治、娱乐等类别。这种方法广泛应用于垃圾邮件过滤、情感分析等领域。

2. **文本聚类**（Text Clustering）：这一方法涉及将一组文档分成多个簇，使得同一簇内的文档在内容上尽可能相似，而不同簇之间的文档尽可能不同。文本聚类常用于文档组织、主题发现等任务。

3. **文本摘要**（Text Summarization）：文本摘要是从原始文本中生成简短、连贯的摘要的过程。它可以是抽取式（从原文中选择重要句子）或生成式（生成新的句子）。文本摘要在新闻摘要、文档浓缩等应用中非常有用。

B: 文本关联（Text Association）并不是自然语言处理中的常见术语或方法。可能是指关联规则挖掘等技术，但这通常与数据挖掘和推荐系统更相关，而不是自然语言处理的核心任务。