常州工學院《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頁常州工學院《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、網(wǎng)絡爬蟲如何處理網(wǎng)站的請求頭驗證？（）A.模擬正確的請求頭B.忽略驗證C.強行發(fā)送請求D.以上都是2、以下哪個不是爬蟲中處理數(shù)據(jù)存儲的優(yōu)化策略？（）A.建立索引B.分區(qū)存儲C.壓縮存儲D.減少存儲3、爬蟲在處理反爬蟲的IP封鎖時，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？（）A.RedisB.KafkaC.HadoopD.以上都是5、爬蟲在處理動態(tài)網(wǎng)頁時，可能會用到的技術(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，以下哪個不是需要考慮的問題？（）A.存儲容量B.網(wǎng)絡帶寬C.計算資源D.數(shù)據(jù)加密7、在爬蟲中，以下哪個方法常用于處理網(wǎng)頁中的驗證碼？（）A.人工識別B.機器學習識別C.忽略驗證碼D.以上都是8、在爬蟲中，處理網(wǎng)頁中的JavaScript代碼可以使用（）A.PyV8B.PhantomJSC.Node.jsD.以上都是9、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10、網(wǎng)絡爬蟲中，以下哪個狀態(tài)碼表示請求成功？（）A.200B.301C.404D.50011、網(wǎng)絡爬蟲如何處理網(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、以下哪個是網(wǎng)絡爬蟲的性能優(yōu)化策略？（）A.多線程B.分布式爬蟲C.緩存D.以上都是13、在網(wǎng)絡爬蟲中，以下哪個庫常用于發(fā)送HTTP請求？A.requestsB.BeautifulSoupC.ScrapyD.Selenium14、在爬蟲中，以下哪個不是設置請求頭的作用？（）A.偽裝瀏覽器B.繞過反爬蟲機制C.提高請求速度D.以上都是15、以下哪個不是爬蟲中數(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、以下哪個不是爬蟲中處理反爬蟲驗證碼的高級技術(shù)？（）A.深度學習識別B.人工打碼平臺C.圖像識別算法D.直接忽略17、在爬蟲中，處理反爬蟲的驗證碼可以使用（）A.人工識別B.機器學習C.忽略驗證碼D.以上都是18、以下哪個不是爬蟲中處理數(shù)據(jù)格式轉(zhuǎn)換的方法？（）A.自定義函數(shù)B.使用庫函數(shù)C.手動轉(zhuǎn)換D.不轉(zhuǎn)換19、以下哪個不是爬蟲中處理數(shù)據(jù)合法性的方法？（）A.數(shù)據(jù)驗證B.數(shù)據(jù)過濾C.數(shù)據(jù)轉(zhuǎn)換D.以上都是20、在爬蟲中，設置請求頭的主要目的是（）A.提高爬取速度B.偽裝成瀏覽器C.減少服務器響應時間D.節(jié)省網(wǎng)絡流量二、簡答題（本大題共4個小題，共40分)1、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息物聯(lián)網(wǎng)技術(shù)應用和影響數(shù)據(jù)。2、（本題10分）說明網(wǎng)絡爬蟲如何進行增量式抓取。3、（本題10分）解釋網(wǎng)絡爬蟲如何處理網(wǎng)頁中的商品分類和標簽數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的庫存數(shù)據(jù)。三、編程題（本大題共2個小題，共