保山學院《數(shù)據(jù)挖掘技術(shù)》2021-2022學年期末試卷

自覺遵守考場紀律如考試作弊此答卷無效密自覺遵守考場紀律如考試作弊此答卷無效密封線第1頁，共3頁保山學院

《數(shù)據(jù)挖掘技術(shù)》2021-2022學年期末試卷院(系)_______班級_______學號_______姓名_______題號一二三總分得分批閱人一、單選題（本大題共20個小題，每小題2分，共40分．在每小題給出的四個選項中，只有一項是符合題目要求的．）1、以下哪個不是爬蟲中處理數(shù)據(jù)隱私的方法？（）A.匿名化處理B.加密處理C.公開數(shù)據(jù)D.以上都是2、以下哪個不是常見的反爬蟲策略？A.驗證碼B.IP封禁C.頁面加密D.數(shù)據(jù)壓縮3、以下哪個不是爬蟲中處理異常的情況？（）A.網(wǎng)絡連接失敗B.頁面不存在C.數(shù)據(jù)格式錯誤D.服務器響應過快4、在網(wǎng)絡爬蟲中，以下哪個庫常用于發(fā)送HTTP請求？A.requestsB.BeautifulSoupC.ScrapyD.Selenium5、以下哪個不是爬蟲中處理頁面解析錯誤的方式？（）A.跳過B.重試C.記錄錯誤D.停止爬蟲6、以下哪種技術(shù)可以用于分布式爬蟲？（）A.RedisB.KafkaC.HadoopD.以上都是7、以下哪個不是爬蟲中處理數(shù)據(jù)排序的目的？（）A.便于查找B.提高效率C.滿足業(yè)務需求D.增加數(shù)據(jù)量8、在爬蟲中，以下哪個庫常用于解析JSON數(shù)據(jù)？（）A.jsonB.simplejsonC.ujsonD.以上都是9、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)緩存？（）A.cachetoolsB.redisC.memcachedD.以上都是10、爬蟲在處理網(wǎng)頁中的鏈接時，需要注意（）A.過濾無效鏈接B.避免死循環(huán)C.處理相對鏈接D.以上都是11、爬蟲在處理網(wǎng)頁中的多媒體資源時，通?？紤]的因素是（）A.資源大小B.資源類型C.版權(quán)問題D.以上都是12、網(wǎng)絡爬蟲如何判斷一個頁面是否已經(jīng)抓取過？（）A.數(shù)據(jù)庫記錄B.本地文件記錄C.以上都是D.以上都不是13、爬蟲獲取數(shù)據(jù)后，進行數(shù)據(jù)清洗通常不包括（）A.去除重復數(shù)據(jù)B.轉(zhuǎn)換數(shù)據(jù)格式C.加密數(shù)據(jù)D.糾正錯誤數(shù)據(jù)14、在爬蟲中，處理數(shù)據(jù)的提取精度通常取決于（）A.需求B.算法C.數(shù)據(jù)質(zhì)量D.以上都是15、以下哪種方式可以提高爬蟲的效率？（）A.多線程B.分布式C.緩存機制D.以上都是16、以下哪個不是爬蟲中處理分布式環(huán)境下數(shù)據(jù)一致性的方法？（）A.分布式鎖B.消息隊列C.共享數(shù)據(jù)庫D.各自處理17、以下哪個不是爬蟲中處理分布式爬蟲的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是18、以下哪個不是爬蟲中處理反爬蟲的技巧？（）A.降低訪問頻率B.使用隨機User-AgentC.頻繁更換IPD.以上都是19、網(wǎng)絡爬蟲如何處理網(wǎng)站的robots.txt文件？（）A.遵守規(guī)定B.忽略C.部分遵守D.以上都有可能20、在分布式爬蟲中，以下哪個技術(shù)常用于任務分配？（）A.RedisB.MySQLC.MongoDBD.Kafka二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶活動的生命周期數(shù)據(jù)。2、（本題10分）解釋網(wǎng)絡爬蟲如何處理網(wǎng)頁中的框架（Frame）和iframe。3、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的SEO優(yōu)化元素。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能項目管理相關(guān)元素。三、編程題（本大題共2個小題，共20