華南理工大學(xué)《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》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頁華南理工大學(xué)《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》2023-2024學(xué)年期末試卷題號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、在處理動(dòng)態(tài)網(wǎng)頁時(shí)，以下哪種技術(shù)對爬蟲比較有幫助？（）A.SeleniumB.PhantomJSC.SplashD.以上都是2、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3、爬蟲在處理大規(guī)模并發(fā)請求時(shí)，可能會(huì)用到的技術(shù)是（）A.線程池B.進(jìn)程池C.協(xié)程D.以上都是4、當(dāng)爬蟲被網(wǎng)站封禁時(shí)，以下哪個(gè)不是可能的原因？（）A.抓取頻率過高B.未遵循網(wǎng)站規(guī)則C.數(shù)據(jù)量過大D.代碼錯(cuò)誤5、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)清洗的方法？（）A.去除空格B.轉(zhuǎn)換大小寫C.數(shù)據(jù)填充D.保留原始數(shù)據(jù)6、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的動(dòng)態(tài)加載內(nèi)容？（）A.使用SeleniumB.分析接口C.模擬點(diǎn)擊D.以上都是7、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)篩選的方法？（）A.條件判斷B.正則表達(dá)式C.隨機(jī)篩選D.按照規(guī)則篩選8、在爬蟲中，以下哪個(gè)庫常用于處理會(huì)話保持？（）A.requests.SessionB.httpx.SessionC.aiohttp.ClientSessionD.以上都是9、以下哪個(gè)不是爬蟲中處理異常的方式？（）A.重試B.跳過C.終止程序D.記錄日志10、以下哪個(gè)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(shí)IPD.以上都是11、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)加載緩慢的方法？（）A.優(yōu)化網(wǎng)絡(luò)B.減少數(shù)據(jù)量C.更換數(shù)據(jù)源D.以上都是12、在爬蟲中，如何處理網(wǎng)頁中的加密數(shù)據(jù)？（）A.破解加密B.尋找解密方法C.放棄抓取D.以上都是13、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)重復(fù)的方法？（）A.去重算法B.數(shù)據(jù)庫去重C.緩存去重D.保留重復(fù)14、以下哪個(gè)不是爬蟲中處理反爬蟲驗(yàn)證碼的高級技術(shù)？（）A.深度學(xué)習(xí)識(shí)別B.人工打碼平臺(tái)C.圖像識(shí)別算法D.直接忽略15、網(wǎng)絡(luò)爬蟲在抓取網(wǎng)頁時(shí)，如何處理網(wǎng)頁中的圖片？（）A.下載B.忽略C.提取圖片鏈接D.以上都是16、以下哪個(gè)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17、爬蟲在存儲(chǔ)數(shù)據(jù)時(shí)，使用數(shù)據(jù)庫的優(yōu)點(diǎn)是（）A.便于查詢和管理B.節(jié)省存儲(chǔ)空間C.提高寫入速度D.無需進(jìn)行數(shù)據(jù)處理18、網(wǎng)絡(luò)爬蟲獲取的數(shù)據(jù)通常需要進(jìn)行以下哪種處理？（）A.去重B.篩選C.轉(zhuǎn)換格式D.以上都是19、以下哪個(gè)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(wù)需求D.增加數(shù)據(jù)量20、以下哪個(gè)不是爬蟲中處理數(shù)據(jù)壓縮的算法？（）A.GzipB.Bzip2C.RARD.Deflate二、簡答題（本大題共4個(gè)小題，共40分)1、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的表單提交。2、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的社區(qū)發(fā)現(xiàn)和分析數(shù)據(jù)。3、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶活動(dòng)的生命周期數(shù)據(jù)。4、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息過濾和篩選數(shù)據(jù)。三、編程題（本大題共2個(gè)小題，共20分)