仲恺农业工程学院《数据挖掘与机器学习》2021-2022学年期末试卷

装订线装订线PAGE2第1页，共3页仲恺农业工程学院《数据挖掘与机器学习》2021-2022学年期末试卷院(系)_______班级_______学号_______姓名_______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数据格式转换的原因？（）A.适配存储需求B.方便后续处理C.提高数据安全性D.满足其他系统要求2、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3、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4、以下哪个不是爬虫中处理分布式任务失败的方式？（）A.自动重试B.标记失败C.忽略失败D.停止任务5、网络爬虫在抓取数据时，如何处理网页的更新？（）A.定时抓取B.检测网页变化C.以上都是D.以上都不是6、以下哪个不是爬虫中处理网页编码的方法？（）A.自动检测B.指定编码C.忽略编码D.转换编码7、网络爬虫如何处理网站的验证码变化？（）A.及时更新识别策略B.放弃抓取C.人工处理D.以上都是8、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9、以下哪个不是爬虫中处理数据异常值的方法？（）A.剔除B.修正C.保留D.以上都是10、以下哪个不是爬虫中处理分布式爬虫的通信方式？（）A.HTTPB.TCPC.UDPD.以上都是11、在爬虫中，处理数据的分页提取通常需要分析（）A.URL规律B.页面结构C.JavaScript代码D.以上都是12、网络爬虫抓取数据时，以下哪种策略常用于避免对网站造成过大压力？（）A.随机抓取B.深度优先抓取C.广度优先抓取D.限速抓取13、在爬虫中，如何处理JavaScript生成的内容？（）A.执行JavaScript代码B.分析页面源代码C.以上都是D.以上都不是14、在爬虫中，处理数据的筛选通常基于（）A.数据值B.数据类型C.数据来源D.以上都是15、以下哪种数据格式常用于存储爬虫获取的数据？（）A.CSVB.JSONC.XMLD.以上都是16、在爬虫中，如何处理网页的编码问题？（）A.自动检测B.手动指定C.忽略D.以上都是17、在爬虫中，如何处理网页中的复杂表单提交？（）A.模拟填写B.分析表单结构C.以上都是D.以上都不是18、网络爬虫中，以下哪个状态码表示请求成功？（）A.200B.301C.404D.50019、在爬虫中，如何处理网页中的错误链接？（）A.记录B.跳过C.尝试修复D.以上都是20、当爬虫遇到反爬虫机制时，以下哪种方法不太合适？（）A.使用代理IPB.降低抓取频率C.伪装浏览器头部D.强行突破二、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网页中的智能自然语言处理相关元素。2、（本题10分）解释网络爬虫如何处理网页中的用户设备信息数据。3、（本题10分）简述网络爬虫如何处理网页中的用户行为的信息危机公关和处理数据。4、（本题10分）说明网络爬虫如何处理网页中的用户行为的信息数字化转型策略数据。三、编程题（本大题共2个小题，共20分)1、（本题10分）使用Pytho