用途：使用 NLTK 进行自然语言处理与语料分析，覆盖分词、词性标注、命名实体识别、情感分析、词频统计与词典查询等常见任务。
主要能力：用 sent_tokenize 与 word_tokenize 做句子和词语切分；用 pos_tag 做词性标注，返回 (词, 标记) 元组；用 ne_chunk 做命名实体识别；用 VADER 的 SentimentIntensityAnalyzer 输出 neg、neu、pos、compound 情感分（compound 从 -1 到 +1）；用 FreqDist 统计词频、Text.concordance 查看关键词上下文、collocations 提取高频二元组；通过 WordNet 查询同义词集、定义、上下位词及 Wu-Palmer 相似度；用 stopwords 做停用词过滤。
必要用法：首次使用前需下载所需数据包，例如对 punkt_tab、averaged_perceptron_tagger_eng、maxent_ne_chunker_tab、words、vader_lexicon、wordnet、stopwords 调用 nltk.download(pkg, quiet=True)。建议用 word_tokenize 而非 split() 做切分；词性标记含义可用 nltk.help.upenn_tagset() 查询。
适用场景：短文本或社交媒体风格文本的情感分析、语料词频与搭配统计、词义与相似度查询、基础语言学分析。
限制：明确不适用于深度学习 NLP。VADER 更适合短文本；WordNet 相似度要求两个同义词集共享共同上位词；大语料可考虑用 PlaintextCorpusReader 流式读取。其他细节暂未提供。