南京医科大学《数据挖掘技能训练》2023-2024学年第二学期期末试卷.docVIP

装订线

装订线

PAGE2

第PAGE1页，共NUMPAGES3页

南京医科大学《数据挖掘技能训练》

2023-2024学年第二学期期末试卷

院(系)_______班级_______学号_______姓名_______

题号

一

二

三

四

总分

得分

一、单选题（本大题共15个小题，每小题1分，共15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、当网络爬虫需要从大量网页中提取特定的信息时，例如提取新闻文章的标题、发布时间和正文内容。假设网页的结构和标记各不相同，以下哪种技术或工具可能更有助于准确地提取所需信息？（）

A.使用正则表达式进行文本匹配和提取

B.利用BeautifulSoup等HTML解析库来解析网页结构

C.基于深度学习的自然语言处理模型进行信息抽取

D.随机选择网页中的部分文本作为提取结果

2、当网络爬虫需要与其他系统或模块进行集成时，需要考虑接口和数据格式的兼容性。假设爬虫获取的数据要与一个数据分析系统进行对接，以下关于接口设计的要点，哪一项是最重要的？（）

A.定义清晰的数据格式和传输协议，确保数据的准确性和完整性

B.提供丰富的API，满足各种可能的需求

C.优化接口的性能，减少数据传输的时间

D.使接口具有高度的灵活性，能够适应未来的变化