北京林業(yè)大學《數據挖掘與商務智能》2022-2023學年期末試卷

自覺遵守考場紀律如考試作弊此答卷無效密自覺遵守考場紀律如考試作弊此答卷無效密封線第1頁，共3頁北京林業(yè)大學

《數據挖掘與商務智能》2022-2023學年期末試卷院(系)_______班級_______學號_______姓名_______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數據存儲的優(yōu)化策略？（）A.建立索引B.分區(qū)存儲C.壓縮存儲D.減少存儲2、以下哪種數據格式不適合爬蟲存儲數據？（）A.CSVB.XMLC.PDFD.JSON3、以下哪個不是爬蟲中處理分布式爬蟲的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是4、網絡爬蟲如何處理網站的多語言頁面？（）A.選擇一種語言抓取B.抓取所有語言C.根據需求抓取D.以上都是5、以下哪個不是爬蟲中設置并發(fā)的考慮因素？（）A.服務器性能B.網絡帶寬C.數據一致性D.數據隱私6、以下哪個不是爬蟲中處理數據質量評估的指標？（）A.準確性B.完整性C.一致性D.美觀性7、網絡爬蟲在抓取數據時，如何處理網站的反爬蟲驗證碼升級？（）A.尋找新的破解方法B.降低抓取頻率C.暫時停止抓取D.以上都是8、在爬蟲中，以下哪個不是設置請求頭的作用？（）A.偽裝瀏覽器B.繞過反爬蟲機制C.提高請求速度D.以上都是9、以下哪個不是爬蟲中數據提取的挑戰(zhàn)？（）A.頁面結構復雜B.數據格式不一致C.反爬蟲機制D.數據量小10、當遇到反爬蟲機制時，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11、在網絡爬蟲中，以下哪個協(xié)議通常用于數據傳輸？（）A.HTTPB.HTTPSC.FTPD.SMTP12、以下哪個不是爬蟲中處理異常重試的策略？（）A.固定次數重試B.無限次重試C.按照時間間隔重試D.隨機重試13、以下哪個不是爬蟲中處理并發(fā)的方式？（）A.多線程B.多進程C.異步D.單線程循環(huán)14、在爬蟲中，處理網頁中的JavaScript代碼可以使用（）A.PyV8B.PhantomJSC.Node.jsD.以上都是15、在爬蟲中，以下哪個庫常用于處理HTTP認證？（）A.requests.authB.httpx.authC.aiohttp.authD.以上都是16、以下哪個不是爬蟲中處理頁面跳轉的方式？（）A.自動跳轉B.禁止跳轉C.手動處理跳轉D.忽略跳轉17、以下哪個不是爬蟲中處理數據合并的方法？（）A.基于鍵值合并B.按照時間順序合并C.隨機合并D.按照數據類型合并18、在爬蟲中，如何處理網頁中的嵌套頁面？（）A.遞歸抓取B.選擇抓取C.忽略D.以上都是19、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.進行適當的重試D.及時終止程序20、網絡爬蟲如何處理網站的robots.txt文件？（）A.遵守規(guī)則B.忽略C.部分遵守D.視情況而定二、簡答題（本大題共4個小題，共40分)1、（本題10分）說明網絡爬蟲如何識別和處理網頁中的廣告內容。2、（本題10分）說明網絡爬蟲如何處理網頁中的用戶行為的預測和推薦數據。3、（本題10分）解釋網絡爬蟲如何處理網頁中的驗證碼。4、（本題10分）解釋網絡爬蟲如何處理網頁中的商品評論的情感分析。三、編程題（本大題共2個小題，共20分)1、（本題10分