一位資料科學家必須使用圖表和文字雲對客戶評論進行初步探索性分析，並希望在建立 NLP 模型之前應用特徵工程。應該使用哪兩種特徵工程技術來準備文字以進行視覺化和建模？(選擇兩項)

詞幹提取 (Stemming) 是一種將單字簡化為其詞根形式的技術，例如將「running」、「runs」和「ran」都簡化為「run」。這有助於減少詞彙量，並使視覺化（如文字雲）和模型能夠更好地理解詞彙的共同含義。詞頻–逆向文件頻率 (TF-IDF) 是一種數值統計量，用於評估一個詞語對於文件集或語料庫中某一份文件的重要性。它結合了詞語在單一文件中的出現頻率 (TF) 和該詞語在整個語料庫中的稀有程度 (IDF)，能有效捕捉關鍵詞，對於文字雲和後續建模都非常有用。命名實體識別和共指消解更側重於語義理解，而情感分析則是一種應用，而非基礎的特徵工程技術。