典型文献
基于Python语言的文本数据流自适应分类方法
文献摘要：
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.
文献关键词：
Python语言;文本数据流;分类器;机器学习算法
中图分类号：
作者姓名：
彭文良;虞燕花
作者机构：
池州职业技术学院 电子信息与传媒系,安徽 池州 247000;安徽黄梅戏艺术职业学院 图文信息中心,安徽 安庆 246011
文献出处：
引用格式：
[1]彭文良;虞燕花-.基于Python语言的文本数据流自适应分类方法)[J].宁夏师范学院学报,2022(01):106-112
A类：
文本数据流
B类：
Python,自适应分类,分类方法,数据分析技术,动态数据,分类过程,较慢,网络数据,采集过程,流信息,网络爬虫技术,数据预处理,供精,数据基础,半监督学习,聚类分析方法,分类器,成文,数据分类,使用价值,机器学习算法
AB值：
0.269595
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
