成都錦城學(xué)院《數(shù)據(jù)挖掘與R語》2023-2024學(xué)年期末試卷

學(xué)校________________班級____________姓名____________考場____________準(zhǔn)考證號學(xué)校________________班級____________姓名____________考場____________準(zhǔn)考證號…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁，共3頁成都錦城學(xué)院《數(shù)據(jù)挖掘與R語》

2023-2024學(xué)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、以下哪個不是常見的爬蟲存儲數(shù)據(jù)庫？（）A.MySQLB.MongoDBC.OracleD.Excel2、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3、在爬蟲中，如何處理網(wǎng)頁中的多媒體文件鏈接？（）A.下載B.記錄C.忽略D.以上都是4、以下哪個不是爬蟲中處理代理IP的原因？（）A.突破訪問限制B.提高訪問速度C.隱藏真實IPD.以上都是5、在爬蟲中，使用分布式爬蟲時需要注意（）A.任務(wù)分配B.數(shù)據(jù)同步C.節(jié)點通信D.以上都是6、網(wǎng)絡(luò)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.緩存記錄C.文件記錄D.以上都是7、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的方法？（）A.解壓縮B.忽略壓縮數(shù)據(jù)C.尋找未壓縮的數(shù)據(jù)源D.以上都是8、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9、在爬蟲中，如何處理網(wǎng)頁中的錯誤鏈接？（）A.記錄B.跳過C.嘗試修復(fù)D.以上都是10、以下哪個不是爬蟲中處理會話的方式？（）A.使用CookieB.使用SessionC.每次請求重新登錄D.忽略會話11、網(wǎng)絡(luò)爬蟲抓取數(shù)據(jù)時，以下哪種策略常用于避免對網(wǎng)站造成過大壓力？（）A.隨機抓取B.深度優(yōu)先抓取C.廣度優(yōu)先抓取D.限速抓取12、在解析HTML頁面時，以下哪個工具常用于提取特定的元素？A.XPathB.RegularExpressionC.CSSSelectorD.以上都是13、爬蟲在處理網(wǎng)頁時，用于解析HTML內(nèi)容的庫是（）A.urllibB.jsonC.lxmlD.re14、以下哪個不是爬蟲中處理數(shù)據(jù)驗證的內(nèi)容？（）A.完整性B.準(zhǔn)確性C.一致性D.美觀性15、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16、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17、以下哪個不是爬蟲中處理數(shù)據(jù)缺失值的方法？（）A.填充B.忽略C.報錯D.以上都是18、以下哪個不是爬蟲中處理數(shù)據(jù)更新頻率不一致的方法？（）A.統(tǒng)一更新頻率B.按照不同頻率處理C.忽略更新頻率D.以上都是19、以下哪個不是爬蟲中處理數(shù)據(jù)清洗的工具？（）A.PandasB.NumPyC.OpenCVD.BeautifulSoup20、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)爬蟲如何處理網(wǎng)頁中的用戶交互元素。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲的基本工作原理。3、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的個性化推薦的算法數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的文本摘要提取數(shù)據(jù)。三、編程題（本大題共2個小題，共20分)1、（本題10分）創(chuàng)建一