这个问题很开放，但尽管如此，这里有一些：

• lemmatization/stemming 仅在单词中有 lemma/stem 的语言中才有意义。像中文这样的一些语言没有形态变化（除了一些有争议的情况，如显式复数 s），因此在中文中不应用词形还原和词干提取。

• 在许多 NLP 系统中，基于单词的词汇表用于表示文本。然而，在粘着和多合成语言中，使用词级词汇表是很疯狂的，因为你可以把很多词缀放在一起形成一个新词，因此，需要预先对词进行切分。

• 在中文和日文等一些语言中，单词之间没有空格。因此，为了应用几乎任何 NLP，您需要一个预处理步骤将文本分割成单词。