摘要：当今在电商和社交等平台上每天会产生大量的文本数据流。快速提取文本数据流的特征并将其用于发现一些事物的趋势变化来指导企业运营十分重要,比如服装企业必须尽可能快速而又准确地感知流行信息,服装特征的流行趋势对设计生产与经营起着至关重要的作用。以线上商品的文本数据流为研究对象,结合线上的销售文本实时数据流,定义了商品的时态文本数据流特征趋势模型,然后提出了一种文本数据流特征趋势发现的实时挖掘算法。将该算法应用到服装销售的文本描述以提取流行特征应用,可以获得有效的服装流行趋势,为企业制定生产计划、选择营销策略提供了决策支持。使用电商平台的真实销售数据进行实验,结果证明:该算法提取流行特征的准确率较高、速度较快,具有重要的理论与实际意义。

摘要：传统数据分析技术无法对动态数据进行分类,造成了分类过程加速较慢的问题.为此,设计基于Python语言的文本数据流自适应分类方法.将网络数据采集过程构建为模型的形式,获取文本数据流信息.将Python语言与网络爬虫技术应用到数据预处理与挖掘过程中,为后续处理提供精准度较高的数据基础.使用半监督学习半聚类分析方法构建分类器,完成文本数据流自适应分类过程.实验结果表明本文方法在提高分类加速度的同时,优化了数据分类结果,具有一定的使用价值.

摘要：目前天津市高中信息技术选修一"算法与程序设计"是用JAVA语言编写,学生接受的效果都不是很好,由于JAVA语言对语句书写要求比较严格,如字母要区分大小写,不管是用命令行方式输入数据,还是用文本数据流读取数据,书写的语句都很繁琐,还有很多的头文件,知识点讲了不少,但都没有讲透,例题的选择也不新颖,没有贴近学生的实际生活,学生不能通过这些例题体会程序给他们现在的学习和将来的工作带来哪些帮助,不能激发学生学习的积极性.