湖南中醫(yī)藥大學(xué)《數(shù)據(jù)挖掘》2022-2023學(xué)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頁湖南中醫(yī)藥大學(xué)《數(shù)據(jù)挖掘》

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(shù)據(jù)格式轉(zhuǎn)換錯誤的方法？（）A.重新轉(zhuǎn)換B.跳過C.修正數(shù)據(jù)D.以上都是2、以下哪個不是爬蟲中處理數(shù)據(jù)清洗的工具？（）A.PandasB.NumPyC.OpenCVD.BeautifulSoup3、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4、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5、以下哪個不是爬蟲框架的特點？（）A.代碼復(fù)用B.簡化開發(fā)C.降低性能D.方便管理6、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7、以下哪個不是爬蟲中處理數(shù)據(jù)重復(fù)的方法？（）A.去重算法B.數(shù)據(jù)庫約束C.忽略重復(fù)D.以上都是8、以下哪種數(shù)據(jù)格式常用于存儲爬蟲獲取的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是9、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的方法？（）A.解壓縮B.忽略壓縮數(shù)據(jù)C.尋找未壓縮的數(shù)據(jù)源D.以上都是10、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的訪問頻率限制？（）A.等待B.使用代理C.更換IPD.以上都是11、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的動態(tài)驗證碼？（）A.圖像識別B.人工輸入C.跳過D.以上都是12、以下哪個不是爬蟲中設(shè)置延遲的目的？（）A.避免被封禁B.提高爬取效率C.減輕服務(wù)器壓力D.遵守網(wǎng)站規(guī)則13、爬蟲在處理大規(guī)模數(shù)據(jù)時，可能會遇到的問題是（）A.內(nèi)存不足B.網(wǎng)絡(luò)帶寬限制C.處理速度慢D.以上都是14、以下哪種數(shù)據(jù)格式常用于網(wǎng)絡(luò)爬蟲存儲抓取到的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是15、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)壓縮？（）A.gzipB.bz2C.zipfileD.以上都是16、以下哪個不是常見的反爬蟲策略應(yīng)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(wù)器17、網(wǎng)絡(luò)爬蟲的主要目的是（）A.收集數(shù)據(jù)B.攻擊網(wǎng)站C.破壞網(wǎng)絡(luò)D.以上都不是18、以下哪個庫在Python中常用于網(wǎng)絡(luò)爬蟲？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是19、網(wǎng)絡(luò)爬蟲獲取網(wǎng)頁內(nèi)容時，通常使用的協(xié)議是（）A.HTTPB.FTPC.SMTPD.TCP20、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)加密？（）A.cryptographyB.hashlibC.pycryptodomeD.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的個性化推薦的算法數(shù)據(jù)。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的情感傾向分析數(shù)據(jù)。3、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的表單提交。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息投資回報率評估數(shù)據(jù)。三、編程題（本大題共2個小題，共20