中国计量大学《数据挖掘》2021-2022学年期末试卷

学校________________班级____________姓名____________考场____________准考证号学校________________班级____________姓名____________考场____________准考证号…………密…………封…………线…………内…………不…………要…………答…………题…………第1页，共3页中国计量大学

《数据挖掘》2021-2022学年期末试卷题号一二三总分得分一、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处理分布式环境下数据一致性的方法？（）A.分布式锁B.消息队列C.共享数据库D.各自处理2、在爬虫中，如何处理网页中的加密链接？（）A.破解加密B.寻找解密方法C.放弃抓取D.以上都是3、以下哪个库在Python中常用于网络爬虫？（）A.requestsB.BeautifulSoupC.ScrapyD.以上都是4、以下哪个不是爬虫中处理数据更新频率不一致的方法？（）A.统一更新频率B.按照不同频率处理C.忽略更新频率D.以上都是5、以下哪个不是爬虫的合法性原则？（）A.遵循网站的使用条款B.避免对网站造成过大负担C.随意获取用户隐私数据D.尊重网站所有者的权益6、爬虫获取数据后，进行数据清洗通常不包括（）A.去除重复数据B.转换数据格式C.加密数据D.纠正错误数据7、以下哪种数据格式不适合爬虫存储数据？（）A.CSVB.XMLC.PDFD.JSON8、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9、以下哪个不是常见的反爬虫策略应对方法？（）A.使用分布式爬虫B.降低爬取频率C.更换User-AgentD.攻击网站服务器10、在爬虫中，如何处理网页中的图片？（）A.下载B.忽略C.只获取链接D.以上都是11、在爬虫中，以下哪个库常用于处理正则表达式？（）A.reB.regexC.patternD.以上都是12、以下哪个不是爬虫中处理分布式任务的框架？（）A.CeleryB.KafkaC.RabbitMQD.以上都是13、在网络爬虫中，以下哪个模块通常用于发送HTTP请求？（）A.urllibB.requestsC.BeautifulSoupD.Scrapy14、网络爬虫在抓取网页时，通常首先需要分析的是：A.HTML代码B.CSS样式C.JavaScript脚本D.网页的URL15、以下哪个不是爬虫中处理会话的方式？（）A.使用CookieB.使用SessionC.每次请求重新登录D.忽略会话16、以下哪个不是爬虫中处理代理IP的原因？（）A.突破访问限制B.提高访问速度C.隐藏真实IPD.以上都是17、以下哪个是网络爬虫的性能优化策略？（）A.多线程B.分布式爬虫C.缓存D.以上都是18、以下哪个不是爬虫中处理异常的原则？（）A.记录异常信息B.忽略所有异常C.进行适当的重试D.及时终止程序19、以下哪个不是爬虫中处理数据重复的方法？（）A.去重算法B.数据库约束C.忽略重复D.以上都是20、网络爬虫如何处理网页中的加密数据？（）A.破解加密B.寻找解密方法C.放弃抓取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）解释网络爬虫如何处理网页中的用户行为的信息满意度调查数据。2、（本题10分）简述网络爬虫如何处理网页中的用户行为的序列模式挖掘数据。3、（本题10分）简述网络爬虫如何处理网页中的智能授权相关元素。4、（本题10分）简述网络爬虫如何处理网页中的智能转换相关元素。三、编程题（本大