随着网络技术、通讯技术的迅速发展,现实世界中的复杂网络层出不穷,对于大规模复杂网络的特性研究引起了广泛的学术关注。网络模型通常分为无向和有向两类。无向网络的研究更加充分,而对有向网络特性的有效描述和分析还处于探索阶段。本文以学术期刊引用网络为背景,研究有向网络节点相似性度量问题,这是有向网络性质描述的基础性问题,在聚类、近邻分类、异常检测、相似性查询处理等领域有重要的应用。论文指出了 Pudovkin和Garfield的相关因子模型RF忽略了期刊质量对引用数的影响,低估了目标期刊与质量一般的期刊之间的相似性,并据此进行改进提出了新的相似性度量模型RF’。如何定量分析相似性度量模型的有效性本身也是困难的问题,本文提出了评估相似性度量模型性能的方法,并用实例证明了RF’在此评估体系下优于RF。我们还论述了 RF更适合度量期刊之间的单向认可度,并以标准化后的单向认可度作为PageRank算法的转移概率,提出了衡量期刊影响力的新指标:RD Journal Rank(RDJR)。对统计学科的实例分析表明该指标比五年影响因子更合理。