在一个打开网页的任何位置,通常是一个链接着企业主页或站点的企业标志(Logo),希望浏览者主动点击。这种广告形式属()
A.旗帜广告
B.按钮广告
C.弹出式广告
D.报纸广告
A.旗帜广告
B.按钮广告
C.弹出式广告
D.报纸广告
A.将该网站首页另存在本地计算机上,需要使用时直接从计算机上打开该网页即可
B.利用浏览器的收藏功能保存该网站,需要使用时点击浏览器收藏夹下的该网站即可
C.将网址复制粘贴在一个记事本中,需要使用时从中获取该网站网址而后访问即可
D.无需任何保存性的操作,需要使用时直接通过浏览器的“历史访问”功能访问即可
A.通过按下鼠标左键进行拖动,可以直接改变框架高度
B.框架之间不能实现链接
C.单击名字为“Insert+Left+Frame”的图标,可以将一个框架拆分为上下两部分
D.框架将浏览窗口划分为若区域,分别显示一个网页的不同部分
A.f.seek()方法能够移动读取指针的位置,f.seek(1)将读取指针移动到文件开头
B.文件是存储在辅助存储器上的一组数据序列,可以包含任何数据内容
C.无论文件创建为文本文件或者二进制文件,都可以用“文本文件方式”和“二进制文件方式”打开,但打开后的操作不同
D.Python通过open()函数打开一个文件,并返回一个操作这个文件的变量值给变量
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.IE 6.0中,菜单栏下面的是标准按钮栏
B.输入网址时,不必输入“http://”也能打开相应网页
C.浏览过的网页,IE在默认的情况下会进行保存
D.启动IE时,必定会显示一个主页