正确答案是A: 文本分类。

**专业分析：**

1. **文本分类（Text Classification）：**
- 任务描述：将给定的文本分配到一个或多个预定义的类别中。
- 应用场景：垃圾邮件检测、情感分析、主题分类等。
- 方法：可以使用传统的机器学习算法（如朴素贝叶斯、支持向量机）或深度学习模型（如卷积神经网络、循环神经网络）。

2. **命名实体识别（Named Entity Recognition, NER）：**
- 任务描述：识别并分类文本中的命名实体，如人名、地名、组织名等。
- 应用场景：信息抽取、知识图谱构建等。
- 方法：序列标注模型（如CRF、BiLSTM-CRF）。

3. **语义角色标注（Semantic Role Labeling, SRL）：**
- 任务描述：识别句子中的谓词-论元结构，并标注每个论元的语义角色。
- 应用场景：自然语言理解、信息抽取等。
- 方法：依赖于句法分析和语义分析的复杂模型。

4. **词性标注（Part-of-Speech Tagging, POS Tagging）：**
- 任务描述：为句子中的每个单词分配一个词性标签，如名词、动词、形容词等。
- 应用场景：句法分析、机器翻译等。
- 方法：隐马尔可夫模型（HMM）、条件随机场（CRF）等。

综上所述，文本分类是将文本分配到一个或多个已定义的类别中的任务，因此正确答案是A。