北京聯(lián)合大學(xué)《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)》2023-2024學(xué)年期末試卷

自覺(jué)遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密自覺(jué)遵守考場(chǎng)紀(jì)律如考試作弊此答卷無(wú)效密封線第1頁(yè)，共3頁(yè)北京聯(lián)合大學(xué)《數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)》

2023-2024學(xué)年期末試卷院(系)_______班級(jí)_______學(xué)號(hào)_______姓名_______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，以下哪個(gè)方法常用于處理網(wǎng)頁(yè)中的驗(yàn)證碼？（）A.人工識(shí)別B.機(jī)器學(xué)習(xí)識(shí)別C.忽略驗(yàn)證碼D.以上都是2、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3、以下哪種語(yǔ)言常用于編寫(xiě)網(wǎng)絡(luò)爬蟲(chóng)？（）A.JavaB.PythonC.C++D.Ruby4、以下哪個(gè)不是爬蟲(chóng)中處理代理IP的原因？（）A.突破訪問(wèn)限制B.提高訪問(wèn)速度C.隱藏真實(shí)IPD.以上都是5、在處理大規(guī)模數(shù)據(jù)抓取時(shí)，以下哪個(gè)不是需要考慮的問(wèn)題？（）A.存儲(chǔ)容量B.網(wǎng)絡(luò)帶寬C.計(jì)算資源D.數(shù)據(jù)加密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.緩存記錄C.文件記錄D.以上都是7、以下哪個(gè)不是爬蟲(chóng)中處理異常的情況？（）A.網(wǎng)絡(luò)連接失敗B.頁(yè)面不存在C.數(shù)據(jù)格式錯(cuò)誤D.服務(wù)器響應(yīng)過(guò)快8、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)存儲(chǔ)性能的方法？（）A.索引優(yōu)化B.分區(qū)存儲(chǔ)C.數(shù)據(jù)壓縮D.以上都是9、在爬蟲(chóng)中，處理數(shù)據(jù)的篩選通常基于（）A.數(shù)據(jù)值B.數(shù)據(jù)類(lèi)型C.數(shù)據(jù)來(lái)源D.以上都是10、在爬蟲(chóng)中，如何處理網(wǎng)頁(yè)中的加密數(shù)據(jù)？（）A.破解加密B.尋找解密方法C.放棄抓取D.以上都是11、網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)站的請(qǐng)求頭驗(yàn)證？（）A.模擬正確的請(qǐng)求頭B.忽略驗(yàn)證C.強(qiáng)行發(fā)送請(qǐng)求D.以上都是12、在爬蟲(chóng)中，如何處理JavaScript生成的內(nèi)容？（）A.執(zhí)行JavaScript代碼B.分析頁(yè)面源代碼C.以上都是D.以上都不是13、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)重復(fù)的方法？（）A.去重算法B.數(shù)據(jù)庫(kù)約束C.忽略重復(fù)D.以上都是14、在爬蟲(chóng)中，處理數(shù)據(jù)的加密通常使用（）A.AESB.RSAC.哈希函數(shù)D.以上都是15、以下哪個(gè)不是爬蟲(chóng)中數(shù)據(jù)提取的挑戰(zhàn)？（）A.頁(yè)面結(jié)構(gòu)復(fù)雜B.數(shù)據(jù)格式不一致C.反爬蟲(chóng)機(jī)制D.數(shù)據(jù)量小16、在網(wǎng)絡(luò)爬蟲(chóng)中，以下哪個(gè)模塊通常用于發(fā)送HTTP請(qǐng)求？（）A.urllibB.requestsC.BeautifulSoupD.Scrapy17、以下哪個(gè)不是爬蟲(chóng)中處理多線程的優(yōu)點(diǎn)？（）A.提高爬取速度B.節(jié)省資源C.充分利用多核D.增強(qiáng)并發(fā)能力18、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于處理文件下載？（）A.urllib.request.urlretrieveB.requests.getC.wgetD.以上都是19、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20、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)中的智能咨詢(xún)相關(guān)元素。2、（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)。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的框架（Frame）和iframe。4、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的推薦系統(tǒng)生成的內(nèi)容。三、編程題（本大題共2個(gè)小題，共20分)1、（本題10分）編寫(xiě)