華南理工大學(xué)《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》2021-2022學(xué)年期末試卷

自覺遵守考場紀(jì)律如考試作弊此答卷無效密自覺遵守考場紀(jì)律如考試作弊此答卷無效密封線第1頁，共3頁華南理工大學(xué)《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》2021-2022學(xué)年期末試卷院(系)_______班級_______學(xué)號_______姓名_______題號一二三總分得分批閱人一、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(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、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2、以下哪個不是爬蟲中處理異常的原則？（）A.記錄異常信息B.忽略所有異常C.進(jìn)行適當(dāng)?shù)闹卦嘍.及時終止程序3、以下哪種數(shù)據(jù)格式不適合爬蟲存儲數(shù)據(jù)？（）A.CSVB.XMLC.PDFD.JSON4、以下哪個不是爬蟲中處理數(shù)據(jù)清洗的工具？（）A.PandasB.NumPyC.OpenCVD.BeautifulSoup5、在爬蟲中，用于模擬瀏覽器行為的庫是（）A.requestsB.BeautifulSoupC.SeleniumD.Scrapy6、爬蟲在處理網(wǎng)站的反爬蟲機(jī)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7、以下哪個不是爬蟲中處理驗(yàn)證碼的方法？（）A.手動輸入B.圖像識別C.跳過D.以上都是8、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.SMTP9、以下哪個不是爬蟲中處理數(shù)據(jù)分頁的方法？（）A.分析頁面規(guī)律B.模擬點(diǎn)擊下一頁C.直接獲取所有頁面D.根據(jù)參數(shù)獲取10、以下哪種數(shù)據(jù)格式常用于網(wǎng)絡(luò)爬蟲存儲抓取到的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是11、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12、網(wǎng)絡(luò)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13、以下哪個不是爬蟲中處理分布式爬蟲的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是14、在爬蟲中，以下哪個庫常用于處理正則表達(dá)式？（）A.reB.regexC.patternD.以上都是15、以下哪種存儲方式不適合存儲爬蟲獲取的數(shù)據(jù)？（）A.數(shù)據(jù)庫B.文本文件C.內(nèi)存D.圖像文件16、當(dāng)爬蟲被網(wǎng)站封禁時，以下哪個不是可能的原因？（）A.抓取頻率過高B.未遵循網(wǎng)站規(guī)則C.數(shù)據(jù)量過大D.代碼錯誤17、爬蟲在處理網(wǎng)站的驗(yàn)證碼時，不建議采取的方式是（）A.人工識別B.機(jī)器學(xué)習(xí)識別C.暴力破解D.放棄爬取該頁面18、以下哪種存儲方式適合存儲大規(guī)模的爬蟲數(shù)據(jù)？A.關(guān)系型數(shù)據(jù)庫B.非關(guān)系型數(shù)據(jù)庫C.文件系統(tǒng)D.內(nèi)存數(shù)據(jù)庫19、以下哪個不是常見的反爬蟲手段？（）A.IP封禁B.驗(yàn)證碼C.數(shù)據(jù)加密D.頁面美化20、在爬蟲中，處理數(shù)據(jù)的提取精度通常取決于（）A.需求B.算法C.數(shù)據(jù)質(zhì)量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)頁中的框架（Frame）和iframe。2、（本題10分）說明網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的預(yù)測和推薦數(shù)據(jù)。3、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶行為的信息服務(wù)創(chuàng)新和優(yōu)化數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的用戶收藏和點(diǎn)贊數(shù)據(jù)。三、編程題（本大題共2個小題，共