自1973年Small提出共引分析以来,其研究方法和研究范围得到了不断推广,逐渐成为学术研究领域,甚至市场调研领域常用的定量研究方法之一。在共引分析方法实施的过程中,共引矩阵的建立是后续聚类分析等步骤的基础,传统共引分析方法是根据两研究对象之间的绝对共被引次数建立的共引矩阵,但共引分析方法并不关注两篇文献到底被共引了多少次数,而关注两篇文献的研究内容是否具有相似性。因此,在原始共引矩阵建立之后需要使用一定的相似度测算方法,将原始共引矩阵转化为相关矩阵,以考察两研究文献之间的相似性。但是,传统的关联强度计算方法和相关系数都存在一定的缺陷,在不改变传统共引分析方法的基础上,本论文对两文献之间关联强度的计算方法和相似度测算方法提出改进。通过定性分析,指出关联强度和相关系数需要改进的原因：文献之间的关联强度并不是随着共引次数的增加呈线性增长,而是指数增长；传统的用于测算相似度的Pearson相关系数适用于呈正态分布的数据,但共引矩阵几乎没有正态分布的；然后用定量的方法研究文献之间相互关联的强度,及所选学科共引矩阵的数据分布状态,使得定性分析得到数据上的支持；接着人工构造符合条件的数据,对改进后的关联强度和相关系数做可行性分析,最后通过实证研究来验证关联强度和相关系数的改进的优缺点。通过研究,初步得到一些结论,文献之间的关联强度的确是随着共引次数的增加呈指数增长的,改进后的关联强度计算方法能更加真实的反应两研究对象之间的关联程度；在进行共引矩阵标准化时,Spearman等级相关系数原则上应该优于Pearson相关系数,但通过定量分析的结果并不如愿,这是因为改进后的关联强度计算方法加大了文献之间的差异程度,聚类的边界也比较清晰,在此基础上再进行矩阵标准化时,就会降低Spearman等级相关系数的敏感性,导致聚类结果和改进前的区别不大,这相对来说也是一种合理的结果。