南京信息工程大学《数据挖掘Ⅰ》2022-2023学年期末试卷

自觉遵守考场纪律如考试作弊此答卷无效密自觉遵守考场纪律如考试作弊此答卷无效密封线第1页，共3页南京信息工程大学

《数据挖掘Ⅰ》2022-2023学年期末试卷院(系)_______班级_______学号_______姓名_______题号一二三总分得分批阅人一、单选题（本大题共20个小题，每小题2分，共40分．在每小题给出的四个选项中，只有一项是符合题目要求的．）1、以下哪个不是爬虫中数据提取的方法？（）A.正则表达式B.XPathC.CSS选择器D.随机生成2、在爬虫中，处理数据的提取精度通常取决于（）A.需求B.算法C.数据质量D.以上都是3、网络爬虫如何处理网站的访问限制策略变化？（）A.调整爬虫策略B.停止抓取C.等待策略恢复D.以上都是4、在爬虫中，如何处理网页中的权限限制？（）A.尝试突破B.放弃抓取C.寻找其他途径D.以上都是5、以下哪种情况可能导致爬虫被网站封禁？A.频繁访问同一页面B.访问隐藏页面C.未设置请求头D.以上都有可能6、当遇到反爬虫机制时，以下哪种方法不太可能有效？A.使用代理IPB.降低抓取频率C.模拟人类行为D.发送大量请求突破限制7、以下哪个不是爬虫中设置并发的考虑因素？（）A.服务器性能B.网络带宽C.数据一致性D.数据隐私8、爬虫在处理大规模并发请求时，可能会用到的技术是（）A.线程池B.进程池C.协程D.以上都是9、网络爬虫在抓取网页时，如何处理网页中的图片？（）A.下载B.忽略C.提取图片链接D.以上都是10、在爬虫中，处理反爬虫的验证码可以使用（）A.人工识别B.机器学习C.忽略验证码D.以上都是11、以下哪个不是爬虫中处理反爬虫的技巧？（）A.降低访问频率B.使用随机User-AgentC.频繁更换IPD.以上都是12、爬虫在存储数据时，使用数据库的优点是（）A.便于查询和管理B.节省存储空间C.提高写入速度D.无需进行数据处理13、以下哪种语言常用于编写网络爬虫？A.JavaB.PythonC.C++D.JavaScript14、以下哪个不是爬虫中处理数据验证的内容？（）A.完整性B.准确性C.一致性D.美观性15、在爬虫中，处理数据的加密通常使用（）A.AESB.RSAC.哈希函数D.以上都是16、以下哪个不是爬虫中处理数据存储的优化方式？（）A.批量写入B.压缩存储C.索引优化D.减少存储17、以下哪个不是爬虫中处理数据合并的问题？（）A.字段不一致B.数据重复C.数据缺失D.数据过多18、以下哪个不是爬虫中处理数据缺失值的方法？（）A.填充B.忽略C.报错D.以上都是19、网络爬虫如何处理网站的动态IP封禁？（）A.使用代理B.更换IPC.等待解封D.以上都是20、以下哪种情况可能导致爬虫被网站封禁？（）A.访问频率过高B.不遵守robots.txt协议C.发送异常请求D.以上都是二、简答题（本大题共4个小题，共40分)1、（本题10分）说明网络爬虫如何处理抓取过程中的错误。2、（本题10分）简述网络爬虫如何处理网页中的验证码。3、（本题10分）说明网络爬虫如何确保抓取数据的准确性和完整性。4、（本题10分）说明网络爬虫如何处理网页中的用户行为的社区发现和分析数据。三、编程题（本大题共2个小题，共20分)1、（本题10分）