北京林业大学《数据挖掘与商务智能》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页北京林业大学

《数据挖掘与商务智能》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存储的优化策略？（）A.建立索引B.分区存储C.压缩存储D.减少存储2、以下哪种数据格式不适合爬虫存储数据？（）A.CSVB.XMLC.PDFD.JSON3、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4、网络爬虫如何处理网站的多语言页面？（）A.选择一种语言抓取B.抓取所有语言C.根据需求抓取D.以上都是5、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6、以下哪个不是爬虫中处理数据质量评估的指标？（）A.准确性B.完整性C.一致性D.美观性7、网络爬虫在抓取数据时，如何处理网站的反爬虫验证码升级？（）A.寻找新的破解方法B.降低抓取频率C.暂时停止抓取D.以上都是8、在爬虫中，以下哪个不是设置请求头的作用？（）A.伪装浏览器B.绕过反爬虫机制C.提高请求速度D.以上都是9、以下哪个不是爬虫中数据提取的挑战？（）A.页面结构复杂B.数据格式不一致C.反爬虫机制D.数据量小10、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11、在网络爬虫中，以下哪个协议通常用于数据传输？（）A.HTTPB.HTTPSC.FTPD.SMTP12、以下哪个不是爬虫中处理异常重试的策略？（）A.固定次数重试B.无限次重试C.按照时间间隔重试D.随机重试13、以下哪个不是爬虫中处理并发的方式？（）A.多线程B.多进程C.异步D.单线程循环14、在爬虫中，处理网页中的JavaScript代码可以使用（）A.PyV8B.PhantomJSC.Node.jsD.以上都是15、在爬虫中，以下哪个库常用于处理HTTP认证？（）A.requests.authB.httpx.authC.aiohttp.authD.以上都是16、以下哪个不是爬虫中处理页面跳转的方式？（）A.自动跳转B.禁止跳转C.手动处理跳转D.忽略跳转17、以下哪个不是爬虫中处理数据合并的方法？（）A.基于键值合并B.按照时间顺序合并C.随机合并D.按照数据类型合并18、在爬虫中，如何处理网页中的嵌套页面？（）A.递归抓取B.选择抓取C.忽略D.以上都是19、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20、网络爬虫如何处理网站的robots.txt文件？（）A.遵守规则B.忽略C.部分遵守D.视情况而定二、简答题（本大题共4个小题，共40分)1、（本题10分）说明网络爬虫如何识别和处理网页中的广告内容。2、（本题10分）说明网络爬虫如何处理网页中的用户行为的预测和推荐数据。3、（本题10分）解释网络爬虫如何处理网页中的验证码。4、（本题10分）解释网络爬虫如何处理网页中的商品评论的情感分析。三、编程题（本大题共2个小题，共20分)1、（本题10分