北京師范大學《數(shù)據(jù)挖掘》2022-2023學年期末試卷

學校________________班級____________姓名____________考場____________準考證號學校________________班級____________姓名____________考場____________準考證號…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁，共3頁北京師范大學

《數(shù)據(jù)挖掘》2022-2023學年期末試卷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、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2、在處理爬蟲獲取的網(wǎng)頁內(nèi)容時，以下哪個方法常用于解析HTML？（）A.正則表達式B.XPathC.CSS選擇器D.以上都是3、在爬蟲中，以下哪個庫常用于處理文件下載？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是4、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5、以下哪個是網(wǎng)絡(luò)爬蟲的性能優(yōu)化策略？（）A.多線程B.分布式爬蟲C.緩存D.以上都是6、以下哪個不是爬蟲中處理數(shù)據(jù)存儲性能的方法？（）A.索引優(yōu)化B.分區(qū)存儲C.數(shù)據(jù)壓縮D.以上都是7、網(wǎng)絡(luò)爬蟲的主要目的是（）A.收集數(shù)據(jù)B.攻擊網(wǎng)站C.破壞網(wǎng)絡(luò)D.以上都不是8、以下哪個不是爬蟲中設(shè)置請求頭的作用？（）A.偽裝瀏覽器B.繞過反爬蟲C.提高請求速度D.符合網(wǎng)站要求9、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的動態(tài)加載內(nèi)容？（）A.使用SeleniumB.分析接口C.模擬點擊D.以上都是10、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.SMTP11、以下哪個不是爬蟲中處理數(shù)據(jù)一致性的方法？（）A.數(shù)據(jù)校驗B.版本控制C.數(shù)據(jù)備份D.以上都是12、以下哪個不是常見的反爬蟲手段？（）A.IP封禁B.驗證碼C.數(shù)據(jù)加密D.頁面美化13、爬蟲在處理網(wǎng)站的驗證碼時，不建議采取的方式是（）A.人工識別B.機器學習識別C.暴力破解D.放棄爬取該頁面14、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15、在爬蟲中，處理爬蟲任務的調(diào)度可以使用（）A.隊列B.棧C.優(yōu)先級隊列D.以上都是16、在爬蟲中，如何處理網(wǎng)頁中的權(quán)限限制？（）A.嘗試突破B.放棄抓取C.尋找其他途徑D.以上都是17、以下哪種情況可能導致爬蟲的效率降低？（）A.頻繁的I/O操作B.復雜的正則表達式C.大量的計算D.以上都是18、對于動態(tài)網(wǎng)頁的抓取，以下哪種技術(shù)可能會用到？A.AJAXB.SeleniumC.PhantomJSD.以上都是19、爬蟲在處理網(wǎng)頁時，用于解析HTML內(nèi)容的庫是（）A.urllibB.jsonC.lxmlD.re20、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的動態(tài)驗證碼？（）A.圖像識別B.人工輸入C.跳過D.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能數(shù)據(jù)轉(zhuǎn)換相關(guān)元素。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息工業(yè)4.0和智能制造發(fā)展數(shù)據(jù)。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能決策支持相關(guān)元素。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息人工智能融合和創(chuàng)新數(shù)據(jù)。三、編程題（本大題共2個小題，共20分)