淮陰工學(xué)院《數(shù)據(jù)挖掘I》2022-2023學(xué)年期末試卷

學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)…………密…………封…………線(xiàn)…………內(nèi)…………不…………要…………答…………題…………第1頁(yè)，共3頁(yè)淮陰工學(xué)院

《數(shù)據(jù)挖掘I》2022-2023學(xué)年期末試卷題號(hào)一二三總分得分一、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、在爬蟲(chóng)中，處理數(shù)據(jù)的脫敏通常是為了（）A.保護(hù)隱私B.提高效率C.節(jié)省空間D.便于處理2、網(wǎng)絡(luò)爬蟲(chóng)的法律風(fēng)險(xiǎn)不包括（）A.侵犯知識(shí)產(chǎn)權(quán)B.違反網(wǎng)站規(guī)定C.傳播病毒D.以上都是3、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)一致性的方法？（）A.數(shù)據(jù)校驗(yàn)B.版本控制C.數(shù)據(jù)備份D.以上都是4、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)格式轉(zhuǎn)換的方法？（）A.自定義函數(shù)B.使用庫(kù)函數(shù)C.手動(dòng)轉(zhuǎn)換D.不轉(zhuǎn)換5、網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)站的訪(fǎng)問(wèn)限制策略變化？（）A.調(diào)整爬蟲(chóng)策略B.停止抓取C.等待策略恢復(fù)D.以上都是6、以下哪個(gè)不是爬蟲(chóng)中處理并發(fā)的方式？（）A.多進(jìn)程B.多線(xiàn)程C.異步編程D.以上都是7、以下哪個(gè)不是爬蟲(chóng)中處理代理IP的原因？（）A.突破訪(fǎng)問(wèn)限制B.提高訪(fǎng)問(wèn)速度C.隱藏真實(shí)IPD.以上都是8、在爬蟲(chóng)中，處理網(wǎng)頁(yè)中的JavaScript代碼可以使用（）A.PyV8B.PhantomJSC.Node.jsD.以上都是9、以下哪種數(shù)據(jù)格式常用于網(wǎng)絡(luò)爬蟲(chóng)存儲(chǔ)抓取到的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是10、在爬蟲(chóng)中，如何處理網(wǎng)頁(yè)中的跳轉(zhuǎn)頁(yè)面？（）A.跟隨跳轉(zhuǎn)B.忽略跳轉(zhuǎn)C.分析跳轉(zhuǎn)目的D.以上都是11、爬蟲(chóng)在處理網(wǎng)頁(yè)中的多媒體資源時(shí)，通?？紤]的因素是（）A.資源大小B.資源類(lèi)型C.版權(quán)問(wèn)題D.以上都是12、以下哪個(gè)庫(kù)常用于處理爬蟲(chóng)中的驗(yàn)證碼識(shí)別？（）A.tesseractB.opencvC.numpyD.scipy13、以下哪種方式可以避免爬蟲(chóng)被網(wǎng)站識(shí)別為機(jī)器人？（）A.隨機(jī)延遲請(qǐng)求B.模擬人類(lèi)行為C.使用多個(gè)用戶(hù)代理D.以上都是14、在爬蟲(chóng)中，處理robots.txt文件的目的是（）A.了解網(wǎng)站的爬取規(guī)則B.獲取網(wǎng)站地圖C.查找隱藏頁(yè)面D.提高爬取效率15、以下哪種情況可能導(dǎo)致爬蟲(chóng)被網(wǎng)站封禁？（）A.訪(fǎng)問(wèn)頻率過(guò)高B.不遵守robots.txt協(xié)議C.發(fā)送異常請(qǐng)求D.以上都是16、以下哪個(gè)不是爬蟲(chóng)中處理并發(fā)的方式？（）A.多線(xiàn)程B.多進(jìn)程C.異步D.單線(xiàn)程循環(huán)17、在網(wǎng)絡(luò)爬蟲(chóng)中，以下哪個(gè)協(xié)議通常用于數(shù)據(jù)傳輸？（）A.HTTPB.HTTPSC.FTPD.SMTP18、在爬蟲(chóng)中，處理數(shù)據(jù)存儲(chǔ)的一致性問(wèn)題通常使用（）A.事務(wù)B.鎖C.備份D.以上都是19、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)排序的目的？（）A.便于查找B.提高效率C.滿(mǎn)足業(yè)務(wù)需求D.增加數(shù)據(jù)量20、以下哪個(gè)不是常見(jiàn)的反爬蟲(chóng)手段？（）A.IP封禁B.驗(yàn)證碼C.數(shù)據(jù)加密D.頁(yè)面美化二、簡(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的實(shí)時(shí)更新內(nèi)容。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的智能審計(jì)跟蹤相關(guān)元素。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理抓取到的重復(fù)數(shù)據(jù)。4、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何應(yīng)對(duì)網(wǎng)站的IP封禁。三、編程題（本大題共2個(gè)小題，共20分)1、（