保定學(xué)院《數(shù)據(jù)挖掘》2021-2022學(xué)年期末試卷

裝訂線裝訂線PAGE2第1頁，共3頁保定學(xué)院《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2、以下哪個不是爬蟲中處理數(shù)據(jù)存儲的優(yōu)化方式？（）A.批量寫入B.壓縮存儲C.索引優(yōu)化D.減少存儲3、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4、爬蟲在處理網(wǎng)頁中的圖片時，通常的做法是（）A.下載圖片B.忽略圖片C.分析圖片內(nèi)容D.以上都可以5、以下哪個是網(wǎng)絡(luò)爬蟲的性能優(yōu)化策略？（）A.多線程B.分布式爬蟲C.緩存D.以上都是6、以下哪個不是爬蟲中處理數(shù)據(jù)備份的方式？（）A.本地備份B.云端備份C.實時備份D.從不備份7、以下哪種情況可能導(dǎo)致爬蟲被網(wǎng)站識別為異常訪問？（）A.訪問頻率過高B.訪問時間異常C.訪問路徑異常D.以上都是8、在爬蟲中，以下哪個庫常用于處理數(shù)據(jù)加密？（）A.cryptographyB.hashlibC.pycryptodomeD.以上都是9、在爬蟲中，如何處理網(wǎng)頁中的嵌套頁面？（）A.遞歸抓取B.選擇抓取C.忽略D.以上都是10、當(dāng)爬蟲遇到反爬蟲機制時，以下哪種方法不太合適？（）A.使用代理IPB.降低抓取頻率C.偽裝瀏覽器頭部D.強行突破11、以下哪個不是爬蟲中處理數(shù)據(jù)存儲錯誤的方式？（）A.重試B.記錄錯誤日志C.忽略錯誤D.以上都是12、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13、以下哪種方式可以提高爬蟲的效率？（）A.多線程B.分布式C.緩存機制D.以上都是14、在爬蟲中，如何處理網(wǎng)頁中的復(fù)雜表單提交？（）A.模擬填寫B(tài).分析表單結(jié)構(gòu)C.以上都是D.以上都不是15、網(wǎng)絡(luò)爬蟲獲取的數(shù)據(jù)通常需要進行以下哪種處理？（）A.去重B.篩選C.轉(zhuǎn)換格式D.以上都是16、以下哪個不是爬蟲中設(shè)置請求頭的作用？（）A.偽裝瀏覽器B.繞過反爬蟲C.提高請求速度D.符合網(wǎng)站要求17、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18、網(wǎng)絡(luò)爬蟲如何處理網(wǎng)站的反爬蟲IP封鎖？（）A.使用代理B.更換IPC.等待解封D.以上都是19、以下哪個不是爬蟲中處理反爬蟲驗證碼的高級技術(shù)？（）A.深度學(xué)習(xí)識別B.人工打碼平臺C.圖像識別算法D.直接忽略20、以下哪個庫常用于處理爬蟲中的驗證碼識別？（）A.tesseractB.opencvC.numpyD.scipy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(luò)爬蟲如何處理網(wǎng)頁中的SEO優(yōu)化元素。2、（本題10分）解釋網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的錯誤頁面。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安全和隱私保護數(shù)據(jù)。4、（本題10分）簡述網(wǎng)絡(luò)爬蟲如何處理網(wǎng)頁中的智能藝術(shù)設(shè)計相關(guān)元素。三、編程題（本大題共2個小題，共2