淮阴工学院《数据挖掘I》2022-2023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页淮阴工学院

《数据挖掘I》2022-2023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、在爬虫中，处理数据的脱敏通常是为了（）A.保护隐私B.提高效率C.节省空间D.便于处理2、网络爬虫的法律风险不包括（）A.侵犯知识产权B.违反网站规定C.传播病毒D.以上都是3、以下哪个不是爬虫中处理数据一致性的方法？（）A.数据校验B.版本控制C.数据备份D.以上都是4、以下哪个不是爬虫中处理数据格式转换的方法？（）A.自定义函数B.使用库函数C.手动转换D.不转换5、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6、以下哪个不是爬虫中处理并发的方式？（）A.多进程B.多线程C.异步编程D.以上都是7、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8、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9、以下哪种数据格式常用于网络爬虫存储抓取到的数据？（）A.CSVB.JSONC.XMLD.以上都是10、在爬虫中，如何处理网页中的跳转页面？（）A.跟随跳转B.忽略跳转C.分析跳转目的D.以上都是11、爬虫在处理网页中的多媒体资源时，通常考虑的因素是（）A.资源大小B.资源类型C.版权问题D.以上都是12、以下哪个库常用于处理爬虫中的验证码识别？（）A.tesseractB.opencvC.numpyD.scipy13、以下哪种方式可以避免爬虫被网站识别为机器人？（）A.随机延迟请求B.模拟人类行为C.使用多个用户代理D.以上都是14、在爬虫中，处理robots.txt文件的目的是（）A.了解网站的爬取规则B.获取网站地图C.查找隐藏页面D.提高爬取效率15、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16、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17、在网络爬虫中，以下哪个协议通常用于数据传输？（）A.HTTPB.HTTPSC.FTPD.SMTP18、在爬虫中，处理数据存储的一致性问题通常使用（）A.事务B.锁C.备份D.以上都是19、以下哪个不是爬虫中处理数据排序的目的？（）A.便于查找B.提高效率C.满足业务需求D.增加数据量20、以下哪个不是常见的反爬虫手段？（）A.IP封禁B.验证码C.数据加密D.页面美化二、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实时更新内容。2、（本题10分）解释网络爬虫如何处理网页中的智能审计跟踪相关元素。3、（本题10分）解释网络爬虫如何处理抓取到的重复数据。4、（本题10分）解释网络爬虫如何应对网站的IP封禁。三、编程题（本大题共2个小题，共20分)1、（