学术论文是科学研究成果的主要表现形式,而学术期刊又作为科学论文的重要载体。学术期刊分级在期刊引文索引、期刊数据库收录、科技评价管理等中都扮演了重要角色。在期刊分级中,基于数据——特别是基于引用数据的期刊排序和分级得到了广泛的关注,例如JCR中基于影响因子的四等分型的期刊分区,中国科学院文献情报中心推出的金字塔型期刊分区。这些基于评价指标数值大小的期刊分级,多采用经验性的阈值划分方法,较少考虑到指标数值上的相对差异以及指标自身的统计特性,往往会产生将指标值非常接近的期刊划分为不同等级的情形以及不同级别间期刊的差异缺乏统计显著性。针对以上期刊分级现状和局限,本文系统研究了基于指标的差异的期刊分级问题,形成了一套从指标形式描述、期刊差异测度、期刊等级划分、分级结果评价的期刊分级框架,并对其中的主要路径开展了细致的分析和研究。首先,本文以SNIP指标为例,针对单个数值形式的指标无法反映出期刊指标的波动性的问题,提出了基于指标稳定性区间重叠程度的期刊差异测度方法——“强弱联系法”和修正的“条件联系法”,用于构建期刊加权网络,并利用莱顿算法对期刊网络进行社团划分得到期刊分级。通过实证分析发现修正的“条件联系法”下的期刊分级结果表现优于“强弱联系法”。同时还系统分析了期刊分级个数的影响因素,发现期刊分级个数与莱顿算法分辨率和网络连接密度存在一定对应关系:期刊的分级个数在特定分辨率区间内一般是固定的;期刊联系越紧密,分级个数越少。此外,本文还分析了期刊分级随时间的迁移演化问题,发现从历时的分级结构来看,中部期刊级别变动较大,头部期刊表现稳定;指标稳定性区间大的期刊易发生级别的迁移。针对各年份期刊分级结构不稳定的问题,进一步提出了连续的“条件联系法”,通过验证发现,此种方法下的期刊分区结构在时间维度上表现稳定,且各区期刊数量较为均匀。其次,本文以CSI为例,探究了不同的网络加权方式在秩次类指标中的表现,通过实证分析发现“强弱联系法”下的期刊分级结果表现优于修正的“条件联系法”,揭示出指标类型对于期刊连边构建方式是敏感的,一种期刊连边权重的构建方法在不同类型的指标间并不是通用的。同时,针对多指标加权过程中易出现的辛普森现象,发现应用本文区间形式的分级路径可避免此现象,且分级结果在不同网络加权方式下较为稳定。此外,通过基于秩次的Mann-Whitney U检验提出了一种“非参数二元法”的期刊连边权重构建方法,其实证结果显示基于此种方法的期刊分级能够避免产生单一孤立社团的现象,并且其分级结果略优于“强弱联系法”。揭示了区间形式作为数据的一种聚合形式,不可避免地依然会损失数据信息,而从经验分布数据出发根据非参数检验测度期刊间的差异,可以修正此问题。最后,以期刊引文分布数据为例,提出了基于分布差异的“非参数二元法”、“分布间距离法”、“参数二元法”用于构建期刊加权网络,并通过实证分析验证方法的有效性。结果发现,具有较低零被引率且较稳定的文章被引频次的期刊,分区级别较高。同时,通过实证分析发现,基于“参数二元法”的分级方法,在无极端表现期刊的学科中,可以有效识别出在高被引文章方面表现优秀的期刊。综上,本文针对期刊分级中的理论与实践问题进行了相关研究,提出了期刊分级框架,并利用多个常用的期刊评价指标进行了案例研究和验证,本文的相关研究结果将会对期刊分级研究提供借鉴意义,并促进有关期刊分级的理论与量化研究。同时本文的研究结果也可用于其它基于定量指标的排序和分级等评估研究,例如机构评估、人才评估、学科评估等。