1.清洗类（Cleaning）：杂质数据清洗。 2.标准化类（Normalization）：统一数据格式。 3.分词类（Tokenization）：文本分词处理。 4.词语处理类（WordProcess）：词语相关处理。 5.数据增强类（DataAugmentation）：数据扩增。 6.实体识别类（NamedEntityRecognition）：识别实体。 7.向量化类（Vectorization）：文本向量表示。 8.序列化类（Serialization）：保存数据到磁盘。 在以上类中,一般会使用哪些属性和方法,一一列举,并简短的说明!

1. 清洗类（Cleaning）：
- 属性：raw（原始数据），cleanedData（清洗后的数据）
- 方法：clean()（对原始数据进行杂质数据清洗）

2. 标准化类（Normalization）：
- 属性：rawData（原始数据），standardizedData（标准化后的数据）
- 方法：normalize()（将数据统一为特定格式）

3. 分词类（Tokenization）：
- 属性：rawData（原始数据），tokenizedData（分词后的数据）
- 方法：tokenize()（对文本进行分词处理）

4. 词语处理类（WordProcess）：
- 属性：tokenizedData（分词后的数据），processedWords（经过词语处理后的数据）
- 方法：processWords()（对词语进行相关处理，如去除停用词、词干提取等）

5. 数据增强类（DataAugmentation）：
- 属性：rawData（原始数据），augmentedData（扩增后的数据）
- 方法：augment()（对数据进行扩增，生成更多样本）

6. 实体识别类（NamedEntityRecognition）：
- 属性：rawData（原始数据），namedEntities（识别出的实体）
- 方法：recognizeNamedEntities()（识别文本中的实体）

7. 向量化类（Vectorization）：
- 属性：processedWords（经过词语处理后的数据），vectorizedData（文本向量表示的数据）
- 方法：vectorize()（将文本转换为向量表示）

8. 序列化类（Serialization）：
- 属性：rawData（原始数据），serializedData（保存到磁盘的数据）
- 方法：serialize()（将数据保存到磁盘）

以上是每个类中一般会使用的属性和方法，用于完成各自的功能。具体使用哪些属性和方法可以根据实际需求进行调用和操作。