贛南師范大學《數(shù)據(jù)挖掘技術》2022-2023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…………不…………要…………答…………題…………第1頁，共3頁贛南師范大學《數(shù)據(jù)挖掘技術》

2022-2023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、以下哪個不是爬蟲的合法性原則？（）A.遵循網(wǎng)站的使用條款B.避免對網(wǎng)站造成過大負擔C.隨意獲取用戶隱私數(shù)據(jù)D.尊重網(wǎng)站所有者的權益2、以下哪個不是爬蟲框架？（）A.ScrapyB.PySpiderC.DjangoD.Crawley3、以下哪個不是爬蟲中處理數(shù)據(jù)缺失值的方法？（）A.填充B.忽略C.報錯D.以上都是4、以下哪個不是爬蟲中處理數(shù)據(jù)合并的問題？（）A.字段不一致B.數(shù)據(jù)重復C.數(shù)據(jù)缺失D.數(shù)據(jù)過多5、以下哪個不是爬蟲中處理數(shù)據(jù)更新的策略？（）A.定時更新B.增量更新C.全量更新D.隨機更新6、網(wǎng)絡爬蟲如何處理網(wǎng)站的訪問限制策略變化？（）A.調整爬蟲策略B.停止抓取C.等待策略恢復D.以上都是7、爬蟲在處理網(wǎng)站的驗證碼時，不建議采取的方式是（）A.人工識別B.機器學習識別C.暴力破解D.放棄爬取該頁面8、以下哪個不是爬蟲中處理頁面解析錯誤的方式？（）A.跳過B.重試C.記錄錯誤D.停止爬蟲9、以下哪個不是爬蟲中處理網(wǎng)頁亂碼的方法？（）A.手動指定編碼B.自動檢測編碼C.轉換編碼D.忽略亂碼10、在爬蟲中，使用多進程的優(yōu)勢是（）A.資源隔離B.提高穩(wěn)定性C.充分利用多核D.以上都是11、網(wǎng)絡爬蟲如何處理網(wǎng)站的反爬蟲JavaScript挑戰(zhàn)？（）A.分析JavaScript邏輯B.使用工具模擬執(zhí)行C.放棄抓取D.以上都是12、網(wǎng)絡爬蟲如何處理網(wǎng)頁中的跳轉？（）A.自動跟隨B.按照規(guī)則處理C.忽略D.以上都是13、以下哪個不是爬蟲中處理數(shù)據(jù)格式轉換錯誤的方法？（）A.重新轉換B.跳過C.修正數(shù)據(jù)D.以上都是14、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15、以下哪個不是爬蟲中處理異步請求的方式？（）A.使用回調函數(shù)B.使用線程C.使用協(xié)程D.以上都是16、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)緩存？（）A.cachetoolsB.redisC.memcachedD.以上都是17、以下哪個不是爬蟲中處理數(shù)據(jù)加密的場景？（）A.傳輸過程B.存儲過程C.計算過程D.展示過程18、以下哪個不是爬蟲中處理異常重試的策略？（）A.固定次數(shù)重試B.無限次重試C.按照時間間隔重試D.隨機重試19、以下哪個不是爬蟲中處理分布式環(huán)境下數(shù)據(jù)一致性的方法？（）A.分布式鎖B.消息隊列C.共享數(shù)據(jù)庫D.各自處理20、網(wǎng)絡爬蟲在抓取數(shù)據(jù)時，如何處理異常情況？（）A.記錄日志B.重試C.跳過D.以上都是二、簡答題（本大題共4個小題，共40分)1、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能政務相關元素。2、（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價值評估和利用數(shù)據(jù)。3、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的動態(tài)內容。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的隱藏元素。三、編程題（本大題共2個小題，共20分)1