常州工學(xué)院《數(shù)據(jù)挖掘》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)常州工學(xué)院《數(shù)據(jù)挖掘》

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、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2、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)3、爬蟲(chóng)在處理反爬蟲(chóng)的IP封鎖時(shí)，可以采取的措施是（）A.更換IPB.暫停爬取C.降低頻率D.以上都是4、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5、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6、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7、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、網(wǎng)絡(luò)爬蟲(chóng)在處理網(wǎng)頁(yè)中的JavaScript代碼時(shí)，可以使用以下哪種工具？（）A.PyV8B.Node.jsC.V8D.以上都是10、網(wǎng)絡(luò)爬蟲(chóng)中，以下哪個(gè)狀態(tài)碼表示請(qǐng)求成功？（）A.200B.301C.404D.50011、網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)站的robots.txt文件？（）A.遵守規(guī)定B.忽略C.部分遵守D.以上都有可能12、以下哪個(gè)是網(wǎng)絡(luò)爬蟲(chóng)的性能優(yōu)化策略？（）A.多線程B.分布式爬蟲(chóng)C.緩存D.以上都是13、在網(wǎng)絡(luò)爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于發(fā)送HTTP請(qǐng)求？A.requestsB.BeautifulSoupC.ScrapyD.Selenium14、在爬蟲(chóng)中，以下哪個(gè)不是設(shè)置請(qǐng)求頭的作用？（）A.偽裝瀏覽器B.繞過(guò)反爬蟲(chóng)機(jī)制C.提高請(qǐng)求速度D.以上都是15、以下哪個(gè)不是爬蟲(chóng)中數(shù)據(jù)清洗的步驟？（）A.去除噪聲B.轉(zhuǎn)換數(shù)據(jù)格式C.加密數(shù)據(jù)D.以上都是16、以下哪個(gè)不是爬蟲(chóng)中處理反爬蟲(chóng)驗(yàn)證碼的高級(jí)技術(shù)？（）A.深度學(xué)習(xí)識(shí)別B.人工打碼平臺(tái)C.圖像識(shí)別算法D.直接忽略17、在爬蟲(chóng)中，處理反爬蟲(chóng)的驗(yàn)證碼可以使用（）A.人工識(shí)別B.機(jī)器學(xué)習(xí)C.忽略驗(yàn)證碼D.以上都是18、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19、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)合法性的方法？（）A.數(shù)據(jù)驗(yàn)證B.數(shù)據(jù)過(guò)濾C.數(shù)據(jù)轉(zhuǎn)換D.以上都是20、在爬蟲(chóng)中，設(shè)置請(qǐng)求頭的主要目的是（）A.提高爬取速度B.偽裝成瀏覽器C.減少服務(wù)器響應(yīng)時(shí)間D.節(jié)省網(wǎng)絡(luò)流量二、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)中的用戶行為的信息物聯(lián)網(wǎng)技術(shù)應(yīng)用和影響數(shù)據(jù)。2、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何進(jìn)行增量式抓取。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的商品分類和標(biāo)簽數(shù)據(jù)。4、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的庫(kù)存數(shù)據(jù)。三、編程題（本大題共2個(gè)小題，共