分析作者引文网络中受PageRank启发的最著名的方法大概是由Radicchi、Fortunato、Markines、Vespignani（2009）提出的SARA方法（Science Author Rank Algorithm）了。与其非常类似的一种方法，可看作是作者层面的Eigenfactor方法，由West、Jensen、Dandrea、Gordon、Bergstrom（2013）提出，与Radicchi等提出的方法明显无关。两种方法在分析期刊引文网络方面有一些共同之处，只不过期刊换为作者。期刊被作者代替不全是无价值的。这是因为一本出版物能和多个作者有关系，但是它只能和一种期刊有关系。SARA和作者层面的Eigenfactor方法都是将引用基于引用和被引出版物的作者数量进行分片来处理这种情况。例如，如果一本出版物有两个作者引用了三个作者的一本出版物，那么引用和被引用作者的组合为2×3＝6，一个引用赋以1/6的权重。SARA方法和作者层面的Eigenfactor方法非常类似，但两者之间有个差别是作者自引不计入后者，而在前者要计入。

除了SARA和作者层面的Eigenfactor方法，还有一些受PageRank启发的方法。有兴趣的读者可参见Ding（2011），Fiala（2012），以及Fiala、Rousselot、Ježek（2008），Yan、Ding（2011b），Zhou、Lü、Li（2012）和（2010）。(www.daowen.com)