页面A中存在指向页面B的链接，则在这个链接关系中，页面A为（）。

例如，页面A中存在指向页面B的链接，则在这个链接关系中，页面A为目标页面，而页面B为源页面。()

A.内部链接

B.导入链接

C.外部链接

D.导出链接

例如，某网站的首页中存在链接指向页面A，则从首页到页面A的链接深度就是()。

A.3

B.2

C.1

A.链接在源页面中的作用

B.链接在源页面中存在的时间

C.源页面中导出链接的数量

D.源页面中导入链接的数量

A.目标页面的链接在源页面中的位置

B.目标页面的链接在源页面中存在的时间

C.源页面中导出链接的数量

D.源页面中导出链接的质量

A.锚文本中要包含关键字

B.一篇文章内链以2-3个为佳

C.文章内容的内链一般会指向网站首页、文章所属频道、同频道内的文章页、重点优化页面

D.在文章内容链的链接之中我们也希望尽可能采用具有描述性的锚文本

A.表示永久重定向，网页跳到了浏览器中新的URL指向的页面

B.表示访问的这个链接是错误链接

C.表示网站内部程序或服务器有错

D.表示蜘蛛爬取正常，服务器成功返回网页

A.网站首页应该指向所有的分类页面

B. 网站首页可以直接链接到热门产品或服务的页面

C. 所有的分类页面都应该能够链接到网站首页

D. 网站首页权重高，到网站其他页面的链接应该越多越好

网页甲有一个链接指向网页乙，就认为乙获得了甲对它贡献的分值，该值的多少取决于网页甲本身的重要程度，即网页甲的重要性越大，网页乙获得的贡献值就越高。由于网络中网页链接的相互指向，该分值的计算为一个迭代过程，最终网页根据所得分值进行检索排序。

互联网是一张有向图，每一个网页是图的一个顶点，网页间的每一个超链接是图的一个边，邻接矩阵B=(b)w如果从网页i到网页j有超链接，则by=1，否则为0。

记矩阵B的列和及行和分别是它们分别给出了页面j的链人链接数目和页面i的链出链接数目。假如在上网时浏览页面并选择下一个页面的过程，与过去浏览过哪些页面无关，而仅依赖于当前所在的页面。那么这一-选择过程可以认为是一一个有限状态、离散时间的随机过程，其状态转移规律用Markov链描述。定义矩阵A=(ay)wxn为式中:d是模型参数，通常取d=0.85;A是Markov链的转移概率矩阵;ay表示从页面i转移到页而j的概率。根据Markov链的基本性质，对于正则Markov链存在平稳分布x=式中:x为在极限状态(转移次数趋于无限)下各网页被访问的概率分布，Google将它定义为各网页的PageRank值。假设x已经得到，则它按分量满足方程网页i的PageRank值是划，它链出的页面有τ个，于是页面i将它的PageRank值分成r份，分别“投票"给它链出的网页。x为网页k的PageRank值，即网络上所有页面“投票给网页k的最终值。根据Markov链的基本性质还可以得到，平稳分布(即PageRank值)是转移概率矩阵A的转置矩阵AT的最大特征值(=1)所对应的归一化特征向量。

已知一个N=6的网络如图4.8所示，求它的PageRank取值。

A.不影响用户体验，继续添加新的链接

B. 停止添加，影响用户体验和蜘蛛抓取

C. 再添加一个页面，多出来的页面放这个新的页面

D. 创建层次型链接，把网站地图按层次分成多个页面