重慶財經(jīng)學院《數(shù)據(jù)挖掘》2023-2024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頁重慶財經(jīng)學院

《數(shù)據(jù)挖掘》2023-2024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、在網(wǎng)絡爬蟲中，以下哪個協(xié)議通常用于數(shù)據(jù)傳輸？（）A.HTTPB.HTTPSC.FTPD.SMTP2、對于動態(tài)網(wǎng)頁的抓取，以下哪種技術可能會用到？A.AJAXB.SeleniumC.PhantomJSD.以上都是3、以下哪個不是爬蟲中處理數(shù)據(jù)合法性驗證的方法？（）A.正則表達式B.數(shù)據(jù)類型檢查C.范圍檢查D.忽略驗證4、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5、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6、網(wǎng)絡爬蟲如何處理網(wǎng)站的動態(tài)IP封禁？（）A.使用代理B.更換IPC.等待解封D.以上都是7、網(wǎng)絡爬蟲如何處理網(wǎng)頁中的動態(tài)加載數(shù)據(jù)？（）A.分析接口B.模擬操作C.以上都是D.以上都不是8、在處理爬蟲獲取的大量文本數(shù)據(jù)時，以下哪個技術常用于文本分類？（）A.機器學習B.深度學習C.以上都是D.以上都不是9、在處理爬蟲獲取的網(wǎng)頁內(nèi)容時，以下哪個方法常用于解析HTML？（）A.正則表達式B.XPathC.CSS選擇器D.以上都是10、網(wǎng)絡爬蟲在抓取網(wǎng)頁時，通過什么來識別頁面中的鏈接？（）A.HTML標簽B.JavaScript腳本C.CSS樣式D.以上都不是11、以下哪個不是爬蟲中處理異常的方式？（）A.重試B.跳過C.終止程序D.記錄日志12、以下哪個不是爬蟲中處理數(shù)據(jù)壓縮的算法？（）A.GzipB.Bzip2C.RARD.Deflate13、網(wǎng)絡爬蟲在處理網(wǎng)頁中的JavaScript代碼時，可以使用以下哪種工具？（）A.PyV8B.Node.jsC.V8D.以上都是14、以下哪個不是爬蟲中處理驗證碼的方法？（）A.手動輸入B.圖像識別C.跳過D.以上都是15、以下哪個不是爬蟲中處理分布式任務失敗的方式？（）A.自動重試B.標記失敗C.忽略失敗D.停止任務16、在爬蟲中，處理動態(tài)加載數(shù)據(jù)的常見方式是（）A.分析接口B.模擬操作C.等待加載完成D.以上都是17、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18、在爬蟲中，設置請求頭的主要目的是：A.偽裝成瀏覽器B.提高抓取效率C.繞過反爬蟲機制D.以上都是19、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)加密解密？（）A.pycryptodomeB.cryptographyC.hashlibD.以上都是20、以下哪種存儲方式不適合存儲大量爬蟲數(shù)據(jù)？（）A.內(nèi)存B.關系型數(shù)據(jù)庫C.非關系型數(shù)據(jù)庫D.文件二、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)頁中的加密鏈接。2、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能排序相關元素。3、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息文化和社會影響數(shù)據(jù)。4、（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抽取和整合數(shù)據(jù)。三、編程題（