湖南工程學(xué)院《數(shù)據(jù)挖掘》2021-2022學(xué)年期末試卷

學(xué)校________________班級____________姓名____________考場____________準考證號學(xué)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頁湖南工程學(xué)院《數(shù)據(jù)挖掘》

2021-2022學(xué)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(luò)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、在爬蟲中，如何處理網(wǎng)頁中的權(quán)限限制？（）A.嘗試突破B.放棄抓取C.尋找其他途徑D.以上都是3、在爬蟲中，處理重定向的常見方法是（）A.自動跟隨B.忽略重定向C.手動處理D.以上都是4、以下哪個不是爬蟲中處理數(shù)據(jù)合并的方法？（）A.基于鍵值合并B.按照時間順序合并C.隨機合并D.按照數(shù)據(jù)類型合并5、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的反爬蟲陷阱？（）A.識別并避開B.陷入后嘗試解決C.無視陷阱D.以上都是6、以下哪個不是爬蟲中處理異步請求的方式？（）A.使用回調(diào)函數(shù)B.使用線程C.使用協(xié)程D.以上都是7、爬蟲在處理網(wǎng)站的反爬蟲機制時，首先應(yīng)該（）A.嘗試突破B.遵守規(guī)則C.尋找漏洞D.放棄爬取8、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9、以下哪個不是爬蟲中處理數(shù)據(jù)更新頻率不一致的方法？（）A.統(tǒng)一更新頻率B.按照不同頻率處理C.忽略更新頻率D.以上都是10、以下哪個是爬蟲中常見的存儲數(shù)據(jù)庫？（）A.MySQLB.MongoDBC.RedisD.以上都是11、以下哪個不是爬蟲中模擬登錄的方式？（）A.提交表單B.使用CookieC.破解密碼D.以上都是12、爬蟲獲取數(shù)據(jù)后，進行數(shù)據(jù)清洗通常不包括（）A.去除重復(fù)數(shù)據(jù)B.轉(zhuǎn)換數(shù)據(jù)格式C.加密數(shù)據(jù)D.糾正錯誤數(shù)據(jù)13、在爬蟲中，用于模擬瀏覽器行為的庫是（）A.requestsB.BeautifulSoupC.SeleniumD.Scrapy14、在處理動態(tài)網(wǎng)頁時，以下哪種技術(shù)對爬蟲比較有幫助？（）A.SeleniumB.PhantomJSC.SplashD.以上都是15、以下哪個不是爬蟲中處理網(wǎng)頁編碼的方法？（）A.自動檢測B.指定編碼C.忽略編碼D.轉(zhuǎn)換編碼16、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的加密數(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17、在爬蟲中，處理數(shù)據(jù)的脫敏通常是為了（）A.保護隱私B.提高效率C.節(jié)省空間D.便于處理18、在爬蟲中，如何處理網(wǎng)頁中的多媒體文件鏈接？（）A.下載B.記錄C.忽略D.以上都是19、爬蟲在處理網(wǎng)頁的動態(tài)內(nèi)容時，可能會用到的工具是（）A.SeleniumB.PuppeteerC.SplashD.以上都是20、在爬蟲中，處理數(shù)據(jù)的篩選通常基于（）A.數(shù)據(jù)值B.數(shù)據(jù)類型C.數(shù)據(jù)來源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）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶瀏覽行為的時間序列數(shù)據(jù)。2、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶歷史瀏覽數(shù)據(jù)。3、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息邊緣計算和分布式處理數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能評估相關(guān)元素。三、編程題（本大題共2個小題，