文本分词处理是自然语言处理中的重要技术，它把一段文本按照字、词、短语等粒度拆分为若干个有意义的组成部分，为后续的文本处理和分析提供了基础数据。
下面是对文本分词处理的后续使用方向的介绍：
-
文本分类：文本分类是将一段文本自动归类到已经定义好的类别中，文本分词处理可以把长篇的句子或段落，按照词的维度进行拆分。对文本分词处理得到的词进行统计，计算每个词在文本中出现的频率，并通过机器学习算法（如朴素贝叶斯、支持向量机等）将文本分类到相应的类别中。
-
信息抽取：信息抽取旨在从非结构化数据中提取出特定信息，例如提取人名、地名、企业、产品、日期等信息。文本分词处理可以将文本中的句子或段落拆分为单个的词语，进而通过词性标注、实体识别等技术识别出关键信息，以此进行信息抽取。
-
情感分析：情感分析旨在分析文本的情感倾向，例如正面、负面或中性等。文本分词处理可以在识别出每个词语后，对特定的情感词进行情感计算，以此评估文本的情感倾向。
-
机器翻译：机器翻译是一项将一种语言翻译到另一种语言的技术。文本分词处理可以将待翻译文本的每个单词分割出来，以便进行下一步翻译操作。
-
关键字提取：关键字提取是提取文本中最具有代表性或最重要的一些词语，需要在文本分词处理的基础上，对每个词汇进行度量，进而进行排名，确定文本中最重要的关键词。
除了以上提到的应用方式，文本分词处理还可被用于实现一些其他自然语言处理任务，例如自动摘要，问答系统，基于知识图谱的分析和推理等。
