北京林業(yè)大學(xué)《數(shù)據(jù)挖掘與商務(wù)智能》2022-2023學(xué)年期末試卷

自覺遵守考場紀(jì)律如考試作弊此答卷無效密自覺遵守考場紀(jì)律如考試作弊此答卷無效密封線第1頁，共3頁北京林業(yè)大學(xué)

《數(shù)據(jù)挖掘與商務(wù)智能》2022-2023學(xué)年期末試卷院(系)_______班級_______學(xué)號_______姓名_______題號一二三總分得分一、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)存儲的優(yōu)化策略？（）A.建立索引B.分區(qū)存儲C.壓縮存儲D.減少存儲2、以下哪種數(shù)據(jù)格式不適合爬蟲存儲數(shù)據(jù)？（）A.CSVB.XMLC.PDFD.JSON3、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4、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的多語言頁面？（）A.選擇一種語言抓取B.抓取所有語言C.根據(jù)需求抓取D.以上都是5、以下哪個不是爬蟲中設(shè)置并發(fā)的考慮因素？（）A.服務(wù)器性能B.網(wǎng)絡(luò)帶寬C.數(shù)據(jù)一致性D.數(shù)據(jù)隱私6、以下哪個不是爬蟲中處理數(shù)據(jù)質(zhì)量評估的指標(biāo)？（）A.準(zhǔn)確性B.完整性C.一致性D.美觀性7、網(wǎng)絡(luò)爬蟲在抓取數(shù)據(jù)時，如何處理網(wǎng)站的反爬蟲驗證碼升級？（）A.尋找新的破解方法B.降低抓取頻率C.暫時停止抓取D.以上都是8、在爬蟲中，以下哪個不是設(shè)置請求頭的作用？（）A.偽裝瀏覽器B.繞過反爬蟲機制C.提高請求速度D.以上都是9、以下哪個不是爬蟲中數(shù)據(jù)提取的挑戰(zhàn)？（）A.頁面結(jié)構(gòu)復(fù)雜B.數(shù)據(jù)格式不一致C.反爬蟲機制D.數(shù)據(jù)量小10、當(dāng)遇到反爬蟲機制時，以下哪種方法不太可能有效？A.使用代理IPB.降低抓取頻率C.模擬人類行為D.發(fā)送大量請求突破限制11、在網(wǎng)絡(luò)爬蟲中，以下哪個協(xié)議通常用于數(shù)據(jù)傳輸？（）A.HTTPB.HTTPSC.FTPD.SMTP12、以下哪個不是爬蟲中處理異常重試的策略？（）A.固定次數(shù)重試B.無限次重試C.按照時間間隔重試D.隨機重試13、以下哪個不是爬蟲中處理并發(fā)的方式？（）A.多線程B.多進程C.異步D.單線程循環(huán)14、在爬蟲中，處理網(wǎng)頁中的JavaScript代碼可以使用（）A.PyV8B.PhantomJSC.Node.jsD.以上都是15、在爬蟲中，以下哪個庫常用于處理HTTP認證？（）A.requests.authB.httpx.authC.aiohttp.authD.以上都是16、以下哪個不是爬蟲中處理頁面跳轉(zhuǎn)的方式？（）A.自動跳轉(zhuǎn)B.禁止跳轉(zhuǎn)C.手動處理跳轉(zhuǎn)D.忽略跳轉(zhuǎn)17、以下哪個不是爬蟲中處理數(shù)據(jù)合并的方法？（）A.基于鍵值合并B.按照時間順序合并C.隨機合并D.按照數(shù)據(jù)類型合并18、在爬蟲中，如何處理網(wǎng)頁中的嵌套頁面？（）A.遞歸抓取B.選擇抓取C.忽略D.以上都是19、以下哪個不是爬蟲中處理異常的原則？（）A.記錄異常信息B.忽略所有異常C.進行適當(dāng)?shù)闹卦嘍.及時終止程序20、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的robots.txt文件？（）A.遵守規(guī)則B.忽略C.部分遵守D.視情況而定二、簡答題（本大題共4個小題，共40分)1、（本題10分）說明網(wǎng)絡(luò)爬蟲如何識別和處理網(wǎng)頁中的廣告內(nèi)容。2、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的預(yù)測和推薦數(shù)據(jù)。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的驗證碼。4、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的商品評論的情感分析。三、編程題（本大題共2個小題，共20分)1、（本題10分