链路预测利用已知网络节点及结构等信息预测网络未知连接或未来连接。现有主流方法多应用于无向网络，而且部分有向链路预测方法忽视了共同邻居在有向网络下的多样异构特征。针对上述问题，提出了一种广义共同邻居算法。该方法首先对有向网络定义了广义共同邻居，通过网络中有向邻居异构体的连边概率衡量不同结构对连边贡献程度，然后利用该定义对现有的局部相似性指标进行了优化，重定义8种基于广义共同邻居的有向相似性指标。在 12 个数据集上的实验表明，所提方法在两个衡量指标下普遍提升了现有预测指标性能。