定向广告使用哪种自然语言处理技术和对应的过程

定向广告使用的自然语言处理技术主要包括文本分类、主题模型、情感分析和实体识别等。其对应的过程可以分别如下：

1. 文本分类：将文本数据分为不同的类别，如新闻、体育、娱乐等。文本分类可以使用机器学习算法，如朴素贝叶斯算法、支持向量机算法等。其过程包括特征提取、特征选择和模型训练等步骤。

2. 主题模型：将文本数据分为不同的主题，如政治、经济、文化等。主题模型可以使用概率图模型，如潜在狄利克雷分配（LDA）模型等。其过程包括语料预处理、主题模型训练和主题分布推断等步骤。

3. 情感分析：对文本数据进行情感极性分类，如正面、负面、中性等。情感分析可以使用机器学习算法，如支持向量机算法、决策树算法等。其过程包括特征提取、特征选择和模型训练等步骤。

4. 实体识别：对文本数据中的实体进行识别和标注，如人名、地名、组织机构名等。实体识别可以使用基于规则的方法或基于机器学习的方法，如条件随机场模型等。其过程包括语料预处理、特征提取和模型训练等步骤。

以上是定向广告使用的主要自然语言处理技术和对应的过程，这些技术可以帮助广告平台更好地理解用户需求和兴趣，提高广告的定向精度和效果。