黃山學(xué)院《數(shù)據(jù)挖掘基礎(chǔ)算法》2022-2023學(xué)年期末試卷

學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁(yè)，共3頁(yè)黃山學(xué)院

《數(shù)據(jù)挖掘基礎(chǔ)算法》2022-2023學(xué)年期末試卷題號(hào)一二三總分得分一、單選題（本大題共20個(gè)小題，每小題2分，共40分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)重復(fù)的方法？（）A.去重算法B.數(shù)據(jù)庫(kù)去重C.緩存去重D.保留重復(fù)2、以下哪個(gè)庫(kù)常用于處理爬蟲(chóng)中的驗(yàn)證碼識(shí)別？（）A.tesseractB.opencvC.numpyD.scipy3、在爬蟲(chóng)中，如何處理網(wǎng)頁(yè)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4、爬蟲(chóng)在處理網(wǎng)頁(yè)中的鏈接時(shí)，需要注意（）A.過(guò)濾無(wú)效鏈接B.避免死循環(huán)C.處理相對(duì)鏈接D.以上都是5、以下哪種情況可能導(dǎo)致爬蟲(chóng)的效率降低？（）A.頻繁的I/O操作B.復(fù)雜的正則表達(dá)式C.大量的計(jì)算D.以上都是6、在爬蟲(chóng)中，處理數(shù)據(jù)的篩選通?；冢ǎ〢.數(shù)據(jù)值B.數(shù)據(jù)類型C.數(shù)據(jù)來(lái)源D.以上都是7、以下哪個(gè)不是爬蟲(chóng)中處理數(shù)據(jù)格式轉(zhuǎn)換錯(cuò)誤的方法？（）A.重新轉(zhuǎn)換B.跳過(guò)C.修正數(shù)據(jù)D.以上都是8、以下哪種情況可能導(dǎo)致爬蟲(chóng)被網(wǎng)站封禁？（）A.訪問(wèn)頻率過(guò)高B.不遵守robots.txt協(xié)議C.發(fā)送異常請(qǐng)求D.以上都是9、在爬蟲(chóng)中，以下哪個(gè)庫(kù)常用于解析JSON數(shù)據(jù)？（）A.jsonB.simplejsonC.ujsonD.以上都是10、爬蟲(chóng)在處理動(dòng)態(tài)網(wǎng)頁(yè)時(shí)，可能會(huì)用到的技術(shù)是（）A.AJAXB.CSSC.JavaScriptD.以上都是11、網(wǎng)絡(luò)爬蟲(chóng)在抓取數(shù)據(jù)時(shí)，如何處理會(huì)話（Session）？（）A.保持會(huì)話B.忽略會(huì)話C.重新創(chuàng)建會(huì)話D.以上都有可能12、在爬蟲(chóng)中，如何處理網(wǎng)頁(yè)中的多媒體文件鏈接？（）A.下載B.記錄C.忽略D.以上都是13、以下哪個(gè)不是爬蟲(chóng)中數(shù)據(jù)提取的挑戰(zhàn)？（）A.頁(yè)面結(jié)構(gòu)復(fù)雜B.數(shù)據(jù)格式不一致C.反爬蟲(chóng)機(jī)制D.數(shù)據(jù)量小14、以下哪個(gè)不是爬蟲(chóng)中處理異常重試的策略？（）A.固定次數(shù)重試B.無(wú)限次重試C.按照時(shí)間間隔重試D.隨機(jī)重試15、爬蟲(chóng)在處理網(wǎng)頁(yè)的動(dòng)態(tài)內(nèi)容時(shí)，可能會(huì)用到的工具是（）A.SeleniumB.PuppeteerC.SplashD.以上都是16、網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)站的反爬蟲(chóng)蜜罐？（）A.識(shí)別并避開(kāi)B.陷入后停止C.嘗試突破D.以上都是17、在爬蟲(chóng)中，如何處理網(wǎng)頁(yè)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18、爬蟲(chóng)在處理網(wǎng)頁(yè)中的多媒體資源時(shí)，通?？紤]的因素是（）A.資源大小B.資源類型C.版權(quán)問(wèn)題D.以上都是19、在處理爬蟲(chóng)獲取的網(wǎng)頁(yè)內(nèi)容時(shí)，以下哪個(gè)方法常用于解析HTML？（）A.正則表達(dá)式B.XPathC.CSS選擇器D.以上都是20、在爬蟲(chóng)中，使用多進(jìn)程的優(yōu)勢(shì)是（）A.資源隔離B.提高穩(wěn)定性C.充分利用多核D.以上都是二、簡(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的智能控制相關(guān)元素。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的輿論監(jiān)測(cè)和分析數(shù)據(jù)。3、（本題10分）簡(jiǎn)述網(wǎng)絡(luò)爬蟲(chóng)如何處理網(wǎng)頁(yè)中的用戶行為的信息智能化發(fā)展趨勢(shì)數(shù)據(jù)。4、（本題10分）說(shuō)明網(wǎng)絡(luò)爬蟲(chóng)如何保存抓取到的數(shù)據(jù)。三、編程題（本大題共2個(gè)小