（）是自然语言处理的重要应用，也可以说是最基础的应用。A.文本识别 B.机器翻译 C.文本分类 D.问答系统

文本分类是自然语言处理最基础也最受关注的应用之一。它通过算法将文本映射到预定义类别，原理清晰且易于实现，已广泛用于垃圾邮件过滤、新闻分类等实用场景。相比机器翻译（最早研究领域）、问答系统（依赖大型知识库）等应用，文本分类更贴近NLP技术落地的起点，许多高级任务都需以分类能力为基础。

这种基础性体现在技术栈的层层递进：从传统机器学习的朴素贝叶斯，到深度学习的CNN、RNN，再到如今基于BERT等预训练模型的微调，文本分类始终是NLP算法演进的「试验田」。例如情感分析作为文本分类的子任务，已成为舆情监控、产品评价分析的核心技术，其模型架构常被迁移到其他分类场景。

当我们使用智能客服识别用户意图，或是用内容审核系统过滤违规信息时，背后都是文本分类在默默发挥作用。这个看似简单的任务，实则构建了现代NLP应用的基石。那么，你认为未来文本分类技术会朝着更细分的领域发展，还是会与多模态技术深度融合？