中國計量大學《數(shù)據(jù)挖掘》2021-2022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頁中國計量大學

《數(shù)據(jù)挖掘》2021-2022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、以下哪個不是爬蟲中處理分布式環(huán)境下數(shù)據(jù)一致性的方法？（）A.分布式鎖B.消息隊列C.共享數(shù)據(jù)庫D.各自處理2、在爬蟲中，如何處理網(wǎng)頁中的加密鏈接？（）A.破解加密B.尋找解密方法C.放棄抓取D.以上都是3、以下哪個庫在Python中常用于網(wǎng)絡爬蟲？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是4、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5、以下哪個不是爬蟲的合法性原則？（）A.遵循網(wǎng)站的使用條款B.避免對網(wǎng)站造成過大負擔C.隨意獲取用戶隱私數(shù)據(jù)D.尊重網(wǎng)站所有者的權(quán)益6、爬蟲獲取數(shù)據(jù)后，進行數(shù)據(jù)清洗通常不包括（）A.去除重復數(shù)據(jù)B.轉(zhuǎn)換數(shù)據(jù)格式C.加密數(shù)據(jù)D.糾正錯誤數(shù)據(jù)7、以下哪種數(shù)據(jù)格式不適合爬蟲存儲數(shù)據(jù)？（）A.CSVB.XMLC.PDFD.JSON8、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9、以下哪個不是常見的反爬蟲策略應對方法？（）A.使用分布式爬蟲B.降低爬取頻率C.更換User-AgentD.攻擊網(wǎng)站服務器10、在爬蟲中，如何處理網(wǎng)頁中的圖片？（）A.下載B.忽略C.只獲取鏈接D.以上都是11、在爬蟲中，以下哪個庫常用于處理正則表達式？（）A.reB.regexC.patternD.以上都是12、以下哪個不是爬蟲中處理分布式任務的框架？（）A.CeleryB.KafkaC.RabbitMQD.以上都是13、在網(wǎng)絡爬蟲中，以下哪個模塊通常用于發(fā)送HTTP請求？（）A.urllibB.requestsC.BeautifulSoupD.Scrapy14、網(wǎng)絡爬蟲在抓取網(wǎng)頁時，通常首先需要分析的是：A.HTML代碼B.CSS樣式C.JavaScript腳本D.網(wǎng)頁的URL15、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16、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17、以下哪個是網(wǎng)絡爬蟲的性能優(yōu)化策略？（）A.多線程B.分布式爬蟲C.緩存D.以上都是18、以下哪個不是爬蟲中處理異常的原則？（）A.記錄異常信息B.忽略所有異常C.進行適當?shù)闹卦嘍.及時終止程序19、以下哪個不是爬蟲中處理數(shù)據(jù)重復的方法？（）A.去重算法B.數(shù)據(jù)庫約束C.忽略重復D.以上都是20、網(wǎng)絡爬蟲如何處理網(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.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）解釋網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息滿意度調(diào)查數(shù)據(jù)。2、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的序列模式挖掘數(shù)據(jù)。3、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能授權(quán)相關元素。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能轉(zhuǎn)換相關元素。三、編程題（本大