4.2 大数据处理 2024-2025学年高中信息技术浙教版（2019）必修一

4.2 大数据处理 学校:___________姓名：___________班级：___________考号：___________ 一、选择题 1．（   ）特点是处理的信息数据量比较大而数值计算并不十分复杂 A．工程计算 B．数据处理 C．自动控制 D．实时控制 2．下列关于文本数据处理描述不正确的是（    ） A．文本数据处理主要应用在搜索引擎、情报分析、自动摘要、自动校对、自动应答等方面 B．基于词典的分词方法、基于统计的分词方法和基于规则的分词方法是常用的中文分词算法，其中基于规则的统计方法在实际应用中较多 C．标签云用词频表现文本特征，将关键词按照一定的顺序和规律排列，并以文字大小的形式代表词语的重要性 D．典型的中文文本处理过程主要包括：分词、特征提取、数据分析、结果呈现等 3．下列不是HDFS优点的是（   ） A．高容错性 B．适合单线程处理 C．适合大数据处理 D．流式文件访问 4．下列关于大数据的说法，正确的是（   ） A．系统可以使用批处理计算对购票的实时数据进行分析 B．大数据指数据量庞大、价值密度高的数据 C．大数据应用不会泄露用户隐私信息 D．一般采用分治思想进行大数据分析 5．下列关于大数据和数据安全的说法，不正确的是（   ） A．对摄像头获取图像进行基本处理需要运用大数据中图数据处理技术 B．身份认证要解决的问题是用户是否有权进入系统使用数据资源 C．手机导航会实时更新道路状况，体现了大数据产生和处理速度快的特征 D．为保护信息系统的数据安全，可以在内部与外部网络之间安装防火墙 6．大数据、人工智能的迅猛发展和普及，为杭州亚运会的筹备加入了许多数智化创新的元素。例如电竞中心运用全感知的5G数字基座，接入了设备数量超万台、数据类型达10万种以上的“数字驾驶舱”，可以实现场馆平时与赛时相结合的智能化管理，也可借助人行、车行设备系统实现对车辆数据、通行数据、检票数据的流量分析及预警。下列关于数据安全的说法，正确的是（    ） A．在使用“数字驾驶舱”数据时，不需要考虑数据的安全性 B．通过对检票数据进行加密、校验等方法有助于提高数据的安全性 C．对“数字驾驶舱”中的数据进行管理时，可以采用传统的数据库管理技术 D．增强数据安全，重点应该提高数据本身的安全，存储数据介质的安全不太重要 7．在大数据分析中，以下哪个技术不是用于处理大规模数据集？（   ） A．分布式计算 B．内存计算 C．云计算 D．单线程计算 8．下列关于大数据的说法，正确的是（    ） A．大数据使人们注重事物的相关性 B．大数据的数据量庞大，价值密度高 C．大数据的应用降低了用户隐私信息泄露的风险 D．对大数据进行分析时，即可分析全体数据，也可分析抽样数据 9．关于大数据处理，下列说法正确的是（    ） A．大数据必须采集完成后才能处理 B．大数据包括对静态数据的批处理、对流数据的实时计算和对图结构数据的图计算 C．大数据只能处理结构化数据不能处理非结构化的数据 D．数据的可视化可以增强数据的解释力与吸引力 10．下列关于大数据及数据处理的说法，不正确的是（   ） A．重复数据可直接删除以节省存储空间 B．处理大数据时一般采用分治思想 C．大数据要分析的是全体数据，能接受数据的混杂性 D．文本数据处理的过程主要包括分词、特征提取、数据分析和结果呈现等 11．某APP使用大数据实时统计车流量反馈给用户，下列关于数据与大数据的说法，正确的是（   ） A．大数据分析的是局部数据 B．大数据允许个别不准确的数据存在 C．数据的数字化过程先量化再采样 D．该APP适合使用批处理计算处理后台数据 12．有关大数据的文本数据处理，下列说法正确的是（　　） A．jieba 模块的分词算法属于基于统计的分词方法 B．大数据文本情感分析是电脑将自己的情感表现出来 C．文本处理过程中一般先进行数据分析，再分词、提取特征，最后呈现结果 D．标签云一般根据词频表现文本特征，以文字大小代表词语的重要性 13．居民身份证号码可以反映出常住户口所在地的行政区划、出生日期和性别等信息，这主要体现了数据是（    ）。 A．计算工具识别、存储和加工的对象 B．信息的载体 C．可处理的 D．可加工的 14．我们正处于一个大数据时代，大数据使人们的生活、工作与思维方式等都产生了巨大的变革。那么，从互联网思维的角度来看，大数据具有特征是（  ） A．“4V”特征：大量（Volume）、多样（Variety）、低价值密度(Value)、高速(Velocity) B．样本渐趋于总体，精确让位于模糊，相关性重于因果 C．分布式存储，分布式并行计算 D．没有特征 15．ChatGPT是一款聊天机器人程序。ChatGPT不单是聊天机器人，还能进行撰写邮件、视频脚本、文案、翻译、代码等任务。它使用了Transformer神经网络架构，这是一种用于处理序列数据的模型，它会通过连接大量的语料库来训练模型，这些语料库包含了真实世界中的对话，使得ChatGPT上知天文下知地理，还能具备根据聊天的上下文进行互动的能力，实现与真正人类几乎无异的聊天场景。下列关于大数据的说法，正确的是（   ） A．利用大量的语料库训练模型需要大数据的支持 B．ChatGPT的语料库因数据体量大，只能抽样处理 C．语料数据中蕴含着巨大的价值，其价值密度高 D．Hadoop 适用于实时数据的流计算 16．某网络购物平台使用大数据技术采集大量客户的购物行为数据，通过对客户购物行为数据进行分析，找出购买商品之间的关联关系，从而帮助电商制定更加精准的营销策略。图为客户网购行为数据分析的部分结果。 频繁项集 支持度 牛奶——啤酒 0.5 尿布——啤酒 0.477272727 面包——啤酒 0.477272727 尿布——面包——啤酒 0.340909091 面包——牛奶——啤酒 0.340909091 尿布——牛奶——啤酒 0.318181818 鸡蛋——啤酒 0.295454545 尿布——面包——牛奶——啤酒 0.25 尿布——牛奶——面包 0.25 观察图，对频繁2项集{牛奶，啤酒}和{面包，啤酒}进行连接，生成的候选3项集为（    ） A．{尿布，面包，啤酒} B．{面包，牛奶，啤酒} C．{尿布，牛奶，啤酒} D．{尿布，牛奶，面包} 17．下列属于在线数据处理平台的有（   ） A．腾讯问卷 B．图表秀 C．云表 D．BDP在线数据分析软件 18．下列描述的场景与处理方法使用不恰当的是(　　) A．分析前一年的高铁客流数据优化高铁运行采用批处理计算 B．京东网双12通过实时分析用户行为实现商品的推荐采用流计算 C．图计算为腾讯超大规模社交网络图数据的各类计算提供支撑 D．分析近五年的信息技术选考试卷梳理高频考点采用流计算 19．在抗击疫情的战斗中，大数据技术对密切接触者的判断和查找发挥了巨大的作用，下列场景中没有体现大数据技术应用的是(   ) A．利用人脸识别获取进出商店人员信息 B．利用手机基站获取定位信息 C．利用药房门口登记的个人信息 D．利用购票、乘车信息获取出行信息 20．处理大数据正确的步骤是（   ） ①数据预处理    ②数据采集    ③数据挖掘应用    ④数据分析 A．②③①④ B．①②④③ C．②①④③ D．②④①③ 试卷第1页，共3页 试卷第1页，共3页 学科网（北京）股份有限公司 参考答案： 1．B 【详解】本题考查数据处理。数据处理的特点是处理的信息数据量比较大，而数值计算并不十分复杂。数据处理通常涉及对大量数据进行收集、存储、处理和分析，例如数据库管理、信息检索、文件处理等。相比之下，工程计算通常涉及复杂的数值计算，自动控制和实时控制则更多关注于系统的控制和响应速度。故答案为：B。 2．B 【详解】本题主要考查文本数据处理。文本数据处理主要应用在搜索引擎、情报分析、自动摘要、自动校对、自动应答等方面；基于规则的分词是一种机械分词方法，需要不断更新和维护词典，并未在实际中广泛应用；标签云用词频表现文本特征，将关键词按照一定的顺序和规律排列，并以文字大小的形式代表词语的重要性；典型的中文文本处理过程主要包括：分词、特征提取、数据分析、结果呈现等，故本题选B选项。 3．B 【详解】本题考查大数据处理。HDFS 是一种分布式文件系统，具有高容错性，通过数据冗余和副本机制可以在节点出现故障时保证数据的可靠性；HDFS 适合处理大规模的大数据，能够存储和管理海量的数据；支持流式文件访问，一次写入、多次读取，适合批处理式的大数据处理。然而，HDFS 是为了处理大规模数据的批处理任务而设计的，并不适合单线程处理这种小规模、交互性强的任务。故答案为：B。 4．D 【详解】本题考查大数据相关内容。A选项，静态数据适合批处理，流数据适合实时计算，选项错误。B选项，大数据具有数据体量大、速度快、数据类型多、价值密度低的特点，选项错误。C选项，大数据应用会泄露用户隐私，选项错误。D选项，大数据一般采用分治思想进行分析处理，选项正确。故本题答案是D选项。 5．A 【详解】本题主要考查大数据和数据安全。对摄像头获取图像进行基本处理不需要运用大数据中图数据处理技术；身份认证要解决的问题是用户是否有权进入系统使用数据资源；手机导航会实时更新道路状况，体现了大数据产生和处理速度快的特征；为保护信息系统的数据安全，可以在内部与外部网络之间安装防火墙，故本题选A选项。 6．B 【详解】本题考查的是数据安全。在使用“数字驾驶舱”数据时，需要考虑数据的安全性；通过对检票数据进行加密、校验等方法有助于提高数据的安全性；“数字驾驶舱”中的数据属于大数据，无法采用传统的数据库管理；增强数据安全，重点应该提高数据本身的安全，存储数据介质的安全也很重要。故本题应选B。 7．D 【详解】本题考查大数据分析。在大数据分析中，分布式计算、内存计算和云计算都能够有效地处理大规模数据集。分布式计算通过将计算任务分布在多个节点上并行处理来提高处理能力；内存计算利用内存的高速读写特性加速数据处理；云计算则提供了强大的计算和存储资源来应对大规模数据处理需求。而单线程计算由于其在单个线程上顺序执行任务，处理效率较低，无法胜任大规模数据集的处理工作。故答案为：D。 8．A 【详解】本题主要考查大数据的描述。大数据使人们注重事物的相关性；大数据的数据量庞大，价值密度低；大数据的应用提高了用户隐私信息泄露的风险；对大数据进行分析时，分析的是全体数据，故本题选A选项。 9．BD 【详解】本题考查的是大数据相关知识。大数据包括对静态数据的批处理、对流数据的实时计算和对图结构数据的图计算，可以增强数据的解释力与吸引力。大数据可以处理结构化数据，也能处理非结构化的数据，故选项C说法错误。大数据可以实时处理，故选项A说法错误。本题应选BD。 10．A 【详解】本题考查大数据相关内容。A选项，重复数据需要经过五个阶段，才能完成删除。五个阶段分别是：（1）数据收集，通过比较进入的备份数据和先前的备份缩小需要进行分析数据的范围，使用“内容已知”数据库辨别它们之间可能的重复和相似数据。（2）数据识别/数据比较：以字节为单位分析数据收集阶段标志出的相似数据对象，如果数据收集阶段创建的工作表表明需要进行数据识别，那么就会用delta差分算法确定备份组中的哪些数据是唯一的、哪些数据是重复的.（3）数据重组：数据识别/数据比较的结果被传递给数据重组过程，在该过程中数据被重新组装，放入临时的“保留磁带”中，新数据被保存，前一阶段被标出的重复数据被已存数据的指针替代。（4）可选的完整性检查：在实际删除所有的重复数据前，执行一次可选的检查，以保证数据100%的完整性。在本阶段中，通过将“保留磁带”（代表经过重复数据删除的数据）和原始数据进行比较验证其结构和整个数据内容。（5）空间回收：从文件系统中删除冗余的数据，释放先前被占用的磁盘空间以备他用。选项错误。B选项，处理大数据时一般采用分治思想，选项正确。C选项，大数据要分析的是全体数据，而不是抽样数据，对于数据不再追求精确性,而是能够接受数据的混杂性，选项正确。D选项，典型的文本处理过程主要包括分词、特征提取、数据分析、结果呈现等，选项正确。故本题答案是A选项。 11．B 【详解】本题考查大数据。A选项错误，大数据分析的是全局数据，而不是局部数据，通过处理海量数据来发现规律和趋势。B选项正确，大数据允许个别不准确的数据存在，因为大数据的特点之一是数据量大，个别不准确的数据对整体分析结果影响较小。C选项错误，数据的数字化过程通常是先采样再量化，采样是将连续信号转换为离散信号，量化是将离散信号转换为数字信号。D选项错误，该APP适合使用实时计算处理后台数据，而不是批处理计算，因为实时统计车流量需要及时反馈给用户。 故答案为：B。 12．D 【详解】本题主要考查大数据处理。jieba 分词综合了基于字符串匹配的算法和基于统计的算法；文本大数据情感分析介绍社交网络等海量异构信息采集算法；文本数据处理一般过程包括分词、特征提取、数据分析和结果呈现；标签云一般根据词频表现文本特征，以文字大小代表词语的重要性，故本题选D选项。 13．C 【详解】本题主要考查数据处理。数据处理的基本目的是从大量的、杂乱无章的、难以理解的数据中抽取出相对有价值、有意义的数据，故居民身份证号码可以反映出常住户口所在地的行政区划、出生日期和性别等信息，这主要体现了数据是可处理的，故本题选C选项。 14．A 【详解】本题主要考查大数据的特征。从互联网思维的角度来看，大数据具有特征是：大量（Volume）、多样（Variety）、低价值密度(Value)、高速(Velocity)，故本题选A选项。 15．A 【详解】本题主要考查大数据的描述。利用大量的语料库训练模型需要大数据的支持；ChatGPT的语料库处理全体数据；语料数据中蕴含着巨大的价值，当其价值密度低；Hadoop面向大规模的批量处理，适用于处理静态数据，不适用于流数据，故本题选A选项。 16．B 【详解】本题考查大数据技术应用。频繁2项集{牛奶，啤酒}和{面包，啤酒}连接生成候选3项集时，我们要找到共同的元素并合并：{牛奶，啤酒}和{面包，啤酒}有一个共同元素“啤酒”，所以生成的候选3项集为{牛奶，面包，啤酒}。根据上述分析，题目给出的候选项集中，只有{面包，牛奶，啤酒}是从频繁2项集{牛奶，啤酒}和{面包，啤酒}连接生成的。故答案为：B。 17．BCD 【详解】本题考查的知识点是数据处理。属于在线数据处理平台的有图表秀、云表和BDP在线数据分析软件。故答案为BCD选项。 18．D 【详解】本题考查的是对不同数据的不同处理方法。一般静态数据用批处理计算，流数据用流计算，图数据用图计算等。近五年的信息技术选考试卷梳理高频考点应该属于静态数据，应采用批处理计算。故选项D正确。 19．C 【详解】本题主要考查大数据技术的应用。大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。 大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力。 适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。利用药房门口登记的个人信息属于传统方式，没有应用大数据技术，故本题选C选项。 20．C 【详解】本题主要考查大数据的处理。处理大数据正确的步骤是：数据采集→数据预处理→数据分析→数据挖掘应用，故本题选C选项。 答案第1页，共2页 答案第1页，共2页 学科网（北京）股份有限公司 $$