南京信息工程大學(xué)《數(shù)據(jù)挖掘Ⅰ》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頁南京信息工程大學(xué)

《數(shù)據(jù)挖掘Ⅰ》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批閱人一、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數(shù)據(jù)提取的方法？（）A.正則表達(dá)式B.XPathC.CSS選擇器D.隨機生成2、在爬蟲中，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3、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的訪問限制策略變化？（）A.調(diào)整爬蟲策略B.停止抓取C.等待策略恢復(fù)D.以上都是4、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5、以下哪種情況可能導(dǎo)致爬蟲被網(wǎng)站封禁？A.頻繁訪問同一頁面B.訪問隱藏頁面C.未設(shè)置請求頭D.以上都有可能6、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7、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8、爬蟲在處理大規(guī)模并發(fā)請求時，可能會用到的技術(shù)是（）A.線程池B.進程池C.協(xié)程D.以上都是9、網(wǎng)絡(luò)爬蟲在抓取網(wǎng)頁時，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10、在爬蟲中，處理反爬蟲的驗證碼可以使用（）A.人工識別B.機器學(xué)習(xí)C.忽略驗證碼D.以上都是11、以下哪個不是爬蟲中處理反爬蟲的技巧？（）A.降低訪問頻率B.使用隨機User-AgentC.頻繁更換IPD.以上都是12、爬蟲在存儲數(shù)據(jù)時，使用數(shù)據(jù)庫的優(yōu)點是（）A.便于查詢和管理B.節(jié)省存儲空間C.提高寫入速度D.無需進行數(shù)據(jù)處理13、以下哪種語言常用于編寫網(wǎng)絡(luò)爬蟲？A.JavaB.PythonC.C++D.JavaScript14、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、在爬蟲中，處理數(shù)據(jù)的加密通常使用（）A.AESB.RSAC.哈希函數(shù)D.以上都是16、以下哪個不是爬蟲中處理數(shù)據(jù)存儲的優(yōu)化方式？（）A.批量寫入B.壓縮存儲C.索引優(yōu)化D.減少存儲17、以下哪個不是爬蟲中處理數(shù)據(jù)合并的問題？（）A.字段不一致B.數(shù)據(jù)重復(fù)C.數(shù)據(jù)缺失D.數(shù)據(jù)過多18、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19、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的動態(tài)IP封禁？（）A.使用代理B.更換IPC.等待解封D.以上都是20、以下哪種情況可能導(dǎo)致爬蟲被網(wǎng)站封禁？（）A.訪問頻率過高B.不遵守robots.txt協(xié)議C.發(fā)送異常請求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)爬蟲如何處理抓取過程中的錯誤。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的驗證碼。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何確保抓取數(shù)據(jù)的準(zhǔn)確性和完整性。4、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的社區(qū)發(fā)現(xiàn)和分析數(shù)據(jù)。三、編程題（本大題共2個小題，共20分)1、（本題10分）