華南理工大學《數(shù)據(jù)挖掘理論與技術》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(nèi)…………不…………要…………答…………題…………第1頁，共3頁華南理工大學《數(shù)據(jù)挖掘理論與技術》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、以下哪個不是爬蟲中處理會話的方式？（）A.使用CookieB.使用SessionC.每次請求重新登錄D.忽略會話2、網(wǎng)絡爬蟲在抓取數(shù)據(jù)時，如何處理網(wǎng)站的反爬蟲驗證碼升級？（）A.尋找新的破解方法B.降低抓取頻率C.暫時停止抓取D.以上都是3、以下哪種語言常用于編寫網(wǎng)絡爬蟲？A.JavaB.PythonC.C++D.JavaScript4、以下哪種數(shù)據(jù)格式常用于存儲爬蟲獲取的數(shù)據(jù)？（）A.CSVB.JSONC.XMLD.以上都是5、網(wǎng)絡爬蟲如何處理網(wǎng)站的反爬蟲蜜罐陷阱？（）A.識別并避開B.陷入后處理C.忽略D.以上都是6、以下哪個不是爬蟲中處理數(shù)據(jù)清洗的方法？（）A.去除空格B.轉換大小寫C.數(shù)據(jù)填充D.保留原始數(shù)據(jù)7、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8、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9、網(wǎng)絡爬蟲如何處理網(wǎng)站的訪問限制策略變化？（）A.調(diào)整爬蟲策略B.停止抓取C.等待策略恢復D.以上都是10、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.Selenium11、網(wǎng)絡爬蟲如何處理網(wǎng)站的反爬蟲蜜罐？（）A.識別并避開B.陷入后停止C.嘗試突破D.以上都是12、以下哪個不是爬蟲中處理數(shù)據(jù)異常值的方法？（）A.剔除B.修正C.保留D.以上都是13、在爬蟲中，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14、對于動態(tài)網(wǎng)頁的抓取，以下哪種技術可能會用到？A.AJAXB.SeleniumC.PhantomJSD.以上都是15、以下哪個庫在Python中常用于網(wǎng)絡爬蟲？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是16、以下哪種語言常用于編寫網(wǎng)絡爬蟲？（）A.JavaB.PythonC.C++D.Ruby17、網(wǎng)絡爬蟲獲取的數(shù)據(jù)通常需要進行（）處理。A.清洗B.去重C.轉換D.以上都是18、以下哪個不是爬蟲中處理數(shù)據(jù)重復的方法？（）A.去重算法B.數(shù)據(jù)庫去重C.緩存去重D.保留重復19、在處理爬蟲獲取的大量文本數(shù)據(jù)時，以下哪個技術常用于文本分類？（）A.機器學習B.深度學習C.以上都是D.以上都不是20、以下哪種技術可以用于分布式爬蟲？（）A.RedisB.KafkaC.HadoopD.以上都是二、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)頁中的富文本內(nèi)容。2、（本題10分）說明網(wǎng)絡爬蟲如何處理網(wǎng)頁中的智能機器學習相關元素。3、（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團隊協(xié)作和溝通數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡爬蟲如何處理網(wǎng)頁中的用戶行為的信息投資回報率評估數(shù)據(jù)。三、編程題（本大題共2個小題，共20分)