華南理工大學(xué)《數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘》2021-2022學(xué)年期末試卷

自覺(jué)遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密自覺(jué)遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密封線第1頁(yè)，共3頁(yè)華南理工大學(xué)《數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘》2021-2022學(xué)年期末試卷院(系)_______班級(jí)_______學(xué)號(hào)_______姓名_______題號(hào)一二三總分得分批閱人一、單選題（本大題共20個(gè)小題，每小題2分，共40分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、以下哪個(gè)不是爬蟲(chóng)中處理異步請(qǐng)求的方式？（）A.使用回調(diào)函數(shù)B.使用線程C.使用協(xié)程D.以上都是2、以下哪個(gè)不是爬蟲(chóng)中處理異常的原則？（）A.記錄異常信息B.忽略所有異常C.進(jìn)行適當(dāng)?shù)闹卦嘍.及時(shí)終止程序3、以下哪種數(shù)據(jù)格式不適合爬蟲(chóng)存儲(chǔ)數(shù)據(jù)？（）A.CSVB.XMLC.PDFD.JSON4、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)清洗的工具？（）A.PandasB.NumPyC.OpenCVD.BeautifulSoup5、在爬蟲(chóng)中，用于模擬瀏覽器行為的庫(kù)是（）A.requestsB.BeautifulSoupC.SeleniumD.Scrapy6、爬蟲(chóng)在處理網(wǎng)站的反爬蟲(chóng)機(jī)制時(shí)，首先應(yīng)該（）A.嘗試突破B.遵守規(guī)則C.尋找漏洞D.放棄爬取7、以下哪個(gè)不是爬蟲(chóng)中處理驗(yàn)證碼的方法？（）A.手動(dòng)輸入B.圖像識(shí)別C.跳過(guò)D.以上都是8、在網(wǎng)絡(luò)爬蟲(chóng)中，以下哪個(gè)協(xié)議通常用于數(shù)據(jù)傳輸？（）A.HTTPB.HTTPSC.FTPD.SMTP9、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)分頁(yè)的方法？（）A.分析頁(yè)面規(guī)律B.模擬點(diǎn)擊下一頁(yè)C.直接獲取所有頁(yè)面D.根據(jù)參數(shù)獲取10、以下哪種數(shù)據(jù)格式常用于網(wǎng)絡(luò)爬蟲(chóng)存儲(chǔ)抓取到的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是11、以下哪個(gè)不是爬蟲(chóng)中數(shù)據(jù)清洗的步驟？（）A.去除噪聲B.轉(zhuǎn)換數(shù)據(jù)格式C.加密數(shù)據(jù)D.以上都是12、網(wǎng)絡(luò)爬蟲(chóng)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13、以下哪個(gè)不是爬蟲(chóng)中處理分布式爬蟲(chóng)的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是14、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于處理正則表達(dá)式？（）A.reB.regexC.patternD.以上都是15、以下哪種存儲(chǔ)方式不適合存儲(chǔ)爬蟲(chóng)獲取的數(shù)據(jù)？（）A.數(shù)據(jù)庫(kù)B.文本文件C.內(nèi)存D.圖像文件16、當(dāng)爬蟲(chóng)被網(wǎng)站封禁時(shí)，以下哪個(gè)不是可能的原因？（）A.抓取頻率過(guò)高B.未遵循網(wǎng)站規(guī)則C.數(shù)據(jù)量過(guò)大D.代碼錯(cuò)誤17、爬蟲(chóng)在處理網(wǎng)站的驗(yàn)證碼時(shí)，不建議采取的方式是（）A.人工識(shí)別B.機(jī)器學(xué)習(xí)識(shí)別C.暴力破解D.放棄爬取該頁(yè)面18、以下哪種存儲(chǔ)方式適合存儲(chǔ)大規(guī)模的爬蟲(chóng)數(shù)據(jù)？A.關(guān)系型數(shù)據(jù)庫(kù)B.非關(guān)系型數(shù)據(jù)庫(kù)C.文件系統(tǒng)D.內(nèi)存數(shù)據(jù)庫(kù)19、以下哪個(gè)不是常見(jiàn)的反爬蟲(chóng)手段？（）A.IP封禁B.驗(yàn)證碼C.數(shù)據(jù)加密D.頁(yè)面美化20、在爬蟲(chóng)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.以上都是二、簡(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的框架（Frame）和iframe。2、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的預(yù)測(cè)和推薦數(shù)據(jù)。3、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的信息服務(wù)創(chuàng)新和優(yōu)化數(shù)據(jù)。4、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶收藏和點(diǎn)贊數(shù)據(jù)。三、編程題（本大題共2個(gè)小題，共