聊城大學(xué)《數(shù)據(jù)挖掘與分析》2023-2024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…………內(nèi)…………不…………要…………答…………題…………第1頁(yè)，共3頁(yè)聊城大學(xué)《數(shù)據(jù)挖掘與分析》2023-2024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，如何處理網(wǎng)頁(yè)中的嵌套頁(yè)面？（）A.遞歸抓取B.選擇抓取C.忽略D.以上都是2、以下哪種數(shù)據(jù)格式常用于存儲(chǔ)爬蟲(chóng)抓取到的數(shù)據(jù)？A.CSVB.JSONC.XMLD.以上都是3、網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)站的反爬蟲(chóng)陷阱？（）A.識(shí)別并避開(kāi)B.陷入后嘗試解決C.無(wú)視陷阱D.以上都是4、以下哪種存儲(chǔ)方式適合存儲(chǔ)大規(guī)模的爬蟲(chóng)數(shù)據(jù)？A.關(guān)系型數(shù)據(jù)庫(kù)B.非關(guān)系型數(shù)據(jù)庫(kù)C.文件系統(tǒng)D.內(nèi)存數(shù)據(jù)庫(kù)5、以下哪種情況可能導(dǎo)致爬蟲(chóng)的效率降低？（）A.頻繁的I/O操作B.復(fù)雜的正則表達(dá)式C.大量的計(jì)算D.以上都是6、網(wǎng)絡(luò)爬蟲(chóng)如何判斷一個(gè)頁(yè)面是否已經(jīng)抓取過(guò)？（）A.數(shù)據(jù)庫(kù)記錄B.本地文件記錄C.以上都是D.以上都不是7、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于處理正則表達(dá)式？（）A.reB.regexC.patternD.以上都是8、在爬蟲(chóng)中，如何處理網(wǎng)頁(yè)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9、以下哪種技術(shù)可以用于分布式爬蟲(chóng)？（）A.RedisB.KafkaC.HadoopD.以上都是10、以下哪種存儲(chǔ)方式不適合存儲(chǔ)爬蟲(chóng)獲取的數(shù)據(jù)？（）A.數(shù)據(jù)庫(kù)B.文本文件C.內(nèi)存D.圖像文件11、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)存儲(chǔ)的優(yōu)化方式？（）A.批量寫入B.壓縮存儲(chǔ)C.索引優(yōu)化D.減少存儲(chǔ)12、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于處理URL操作？（）A.urllib.parseB.urlparseC.requests.utilsD.以上都是13、爬蟲(chóng)在處理動(dòng)態(tài)網(wǎng)頁(yè)時(shí)，可能會(huì)用到的技術(shù)是（）A.AJAXB.CSSC.JavaScriptD.以上都是14、網(wǎng)絡(luò)爬蟲(chóng)在抓取數(shù)據(jù)時(shí)，如何處理網(wǎng)頁(yè)的更新？（）A.定時(shí)抓取B.檢測(cè)網(wǎng)頁(yè)變化C.以上都是D.以上都不是15、以下哪個(gè)不是常見(jiàn)的爬蟲(chóng)存儲(chǔ)數(shù)據(jù)庫(kù)？（）A.MySQLB.MongoDBC.OracleD.Excel16、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)驗(yàn)證的內(nèi)容？（）A.完整性B.準(zhǔn)確性C.一致性D.美觀性17、以下哪個(gè)不是反爬蟲(chóng)的常見(jiàn)手段？（）A.IP封鎖B.驗(yàn)證碼C.數(shù)據(jù)加密D.增加頁(yè)面加載時(shí)間18、以下哪個(gè)不是爬蟲(chóng)的合法性原則？（）A.遵循網(wǎng)站的使用條款B.避免對(duì)網(wǎng)站造成過(guò)大負(fù)擔(dān)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19、以下哪個(gè)不是爬蟲(chóng)中優(yōu)化內(nèi)存使用的方法？（）A.及時(shí)釋放資源B.使用緩存C.減少數(shù)據(jù)存儲(chǔ)D.以上都是20、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)存儲(chǔ)的優(yōu)化策略？（）A.建立索引B.分區(qū)存儲(chǔ)C.壓縮存儲(chǔ)D.減少存儲(chǔ)二、簡(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的信息合作伙伴關(guān)系管理數(shù)據(jù)。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理不同編碼格式的網(wǎng)頁(yè)。3、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的智能分類相關(guān)元素。4、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的智能規(guī)劃相關(guān)元素。三、編程題（本大題共2個(gè)小題，共20分)1、（本