基于引文—主題雙重測度的交叉前沿識別研究

關鍵詞： 學科交叉； 研究前沿； 交叉前沿； 引文—主題識別方法； 多維測度指標

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．１０．００３

〔中圖分類號〕Ｇ２５０． ２ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） １０－００２７－１４

當前， 新一輪科技革命加速演進， 在世界科學前沿和國家戰(zhàn)略需求的不斷驅動下， 開展交叉前沿研究， 對于增強自主創(chuàng)新技術源頭供給， 實現(xiàn)關鍵技術、前沿技術、顛覆性技術的創(chuàng)新至關重要。“十四五” 規(guī)劃［１］ 中指出， 要面向世界科技前沿， 加強前沿技術的多路徑探索， 推動基礎學科的交叉創(chuàng)新，實施一批具有前瞻性的國家重大科技項目。黨的二十大報告［２］ 中再一次強調， 要重點布局和建設一批高水平研究平臺， 尤其是交叉研究基地平臺， 推進學科交叉， 促進協(xié)同攻關， 引領創(chuàng)新發(fā)展。

近年來， 在國家政策支持下， 以基因編輯、納米前沿、類腦研究等為代表的交叉領域研究迸發(fā)出強大的內(nèi)生動力， 例如， 在基因編輯領域， 通過生物學、化學和計算機科學等多學科的緊密合作和交叉研究， 促進了基因編輯技術在安全、有效前提下的快速發(fā)展。在宇航研究領域， 通過融合航天工程、機械工程、材料科學、自動控制、人工智能等多個學科領域的知識和技術， 取得了小天體探測與開發(fā)的智能柔性附著技術的重大突破。可見， 多學科之間交叉融合不僅催生出新的前沿方向， 也成為基礎學科創(chuàng)新和重大課題攻關的重要來源。然而， 在多學科交叉融合中， 如何判定在什么主題、什么方向產(chǎn)生交叉， 交叉是否孕育出新的研究前沿， 是當前情報科學研究亟待解決的問題。

在此背景下， 本文圍繞學科間的交叉前沿識別，提出基于引文—主題雙重測度的識別方法， 擬快速識別并準確把握學科間的交叉主題， 瞄準交叉前沿領域， 為相關領域開展科學決策和科技創(chuàng)新研究提供前沿科技咨詢建議與情報服務。

１相關研究

“學科交叉” 這一概念最早由美國哥倫比亞大學心理學家Ｗｏｏｄｗｏｒｔｈ ＲS提出， 是指超越一個已知學科邊界而進行的涉及兩個或兩個以上學科的實踐活動［３］ 。在此基礎上， 路甬祥［４］ 認為， 通過此類交叉活動產(chǎn)生的結果即為新的生長點、新的研究前沿， 是最有可能產(chǎn)生科學突破的轉折點， 開辟出眾多交叉前沿方向和應用領域。“研究前沿” 是指特定研究領域和特定研究事件中正在興起的、具有發(fā)展?jié)摿Φ摹⑽磥砜赡軙鸫罅筷P注的研究主題或研究領域［５］ 。目前， 學術界對學科交叉和研究前沿的概念已基本達成共識， 但對于交叉前沿概念尚未統(tǒng)一。

本文在沿用上述概念的基礎上， 認為“交叉前沿” 是指兩個或兩個以上領域在知識生產(chǎn)或科學發(fā)現(xiàn)中產(chǎn)生交叉關聯(lián)的研究前沿。從研究前沿和交叉前沿的概念上來看， “研究前沿” 是指一個特定領域內(nèi)最新的、最具前瞻性的研究方向和成果。而“交叉前沿” 則是指通過多個學科之間的交叉與融合， 打破學科的壁壘， 從而探索新的問題、新的方法和新的應用領域。從兩者的關系上來看， 交叉前沿往往會推動研究前沿的拓展和進步， 而研究前沿的發(fā)展也可能為交叉前沿提供更多的基礎和機會。

在交叉前沿識別方面， 由于交叉前沿識別的結果往往能夠產(chǎn)生較大的社會經(jīng)濟效益， 交叉前沿識別也成為當前科技戰(zhàn)略情報研究的重要內(nèi)容之一，對于支撐重要領域科研創(chuàng)新的全局性、前瞻性、戰(zhàn)略性的科技戰(zhàn)略情報服務具有重要意義。目前， 交叉前沿識別研究主要從學科交叉識別和研究前沿識別兩個視角展開。

在學科交叉識別研究中， 識別方法主要分為引文分析方法和內(nèi)容分析方法。引文分析方法是通過文獻外部的引證關系來反映文獻間的知識流動規(guī)律，它側重于分析文獻外部的形式特征， 如Ｃｈｉ Ｒ Ｂ 等［６］對文獻共被引網(wǎng)絡進行聚類， 利用被引文獻所屬期刊的學科類別判斷文獻集群的學科性質， 并將學科交叉集群中高被引文獻主題作為學科交叉主題； 張藝蔓等［７］ 將引文耦合轉變成學科耦合， 以表征學科耦合引文文獻的高頻關鍵詞作為學科交叉的研究熱點； Ｈａｍｍａｒｆｅｌｔ Ｂ［８］ 是通過利用直接引文分析法對多種期刊在不同時間段下引文變化情況進行統(tǒng)計分析，并以此衡量期刊文獻的跨學科情況。但引文分析自身存在一定的局限性， 一方面， 該方法僅用于表征學科間知識的擴散與交流路徑，是從文獻外部形式特征了解學科交叉態(tài)勢， 并不能直接識別出交叉主題；另一方面， 引文關系形成時間長，故引文分析具有一定的滯后性， 無法及時準確地識別新興的學科交叉主題。而內(nèi)容分析法則是對當前的文獻主題進行直接計量與分析， 它更側重于分析文獻內(nèi)部的形式特征， 但不能很好地體現(xiàn)文獻間知識流動的具體方向， 如Ｇáｌｖｅｚ Ｃ［９］以語言學和新聞傳播學領域為例， 通過對兩學科關鍵詞的共現(xiàn)矩陣進行主題聚類， 并利用社會網(wǎng)絡法分析共詞網(wǎng)絡的層次結構以探究不同主題間的交叉關聯(lián)； Ｌｉ Ｍ Ｎ［１０］ 提出， 建立共詞分析中高頻詞與突發(fā)詞之間的聯(lián)系， 并將二者結合到學科交叉識別模型中； 韓正琪等［１１］則是基于Ｒａｏ－Ｓｔｉｒｌｉｎｇ 指數(shù)和ＬＤＡ 模型進行領域學科交叉識別， 用以發(fā)現(xiàn)學科交叉點和學科交叉研究主題。

在研究前沿識別研究中， 識別方法主要分為基于定性分析和定量分析的前沿識別方法， 其中定量分析一直都是學者們關注的重點， 定量分析法可以分為引文分析法和內(nèi)容分析法。引文分析法是指利用數(shù)理統(tǒng)計的方法對論文中引文信息進行統(tǒng)計分析，從而揭示科學研究的發(fā)展現(xiàn)狀， 如韓濤［１２］ 提出， 利用不同閾值層面的共被引聚類分析自動檢測方法，以發(fā)現(xiàn)隱形研究前沿知識； Ｌｉｕ Ｊ Ｓ 等［１３］ 提出， 基于文獻耦合網(wǎng)絡來探測科學研究前沿及發(fā)展趨勢；Ｋｌａｖａｎｓ Ｒ 等［１４］ 則認為， 直接引文網(wǎng)絡整體比共被引網(wǎng)絡具有更高的相似度， 能夠更好地揭示領域研究發(fā)展及研究前沿。內(nèi)容分析法則是從文獻內(nèi)容角度入手， 直接反映學科領域的新發(fā)展、新思路、新研究， 如Ｋｌｅｉｎｂｅｒｇ Ｊ［１５］ 提出突現(xiàn)詞檢測算法， 認為單位時間內(nèi)出現(xiàn)頻次的增長率突然加大的詞對識別該領域研究前沿非常重要； 周耀林等［１６］ 提出共詞分析法和詞頻分析法對國際圖情領域大數(shù)據(jù)研究主題方向與演化特征、研究熱點與前沿進行剖析；白如江等［１７］ 綜合運用自然語言處理技術、ＬＤＡ 主題模型并構建主題相似度、主題強度、主題新穎度指標識別未來新興科學研究前沿； 劉博文等［１８］ 在ＬＤＡ主題模型識別基礎上， 從主題強度、主題新穎性和主題相似度３ 個指標探測出研究前沿主題。通過上述分析可知， 現(xiàn)有研究的前沿主題識別方法和指標測度通常考慮不夠全面， 僅根據(jù)研究前沿的１ 個或者幾個特征構建指標確定前沿主題， 應多維度、全方位、系統(tǒng)地考慮前沿主題識別指標， 從而優(yōu)化前沿主題識別效果。

綜上所述，僅從一個側面對交叉前沿進行識別，無法全面揭示交叉前沿。引文分析的識別方法無法從細粒度視角揭示交叉前沿主題， 且在引用過程中存在自引差異值和時滯性等問題。內(nèi)容分析則無法清晰地反映學科間知識流動的變化。此外， 目前研究中所構建的前沿指標體系也未能全面地體現(xiàn)前沿主題的特征， 在前沿測度維度上也亟待完善。

鑒于此，本文在重新定義的交叉前沿概念基礎上， 提出融合引文分析與主題分析的交叉前沿識別方法， 實現(xiàn)在充分利用引文分析反映學科間知識流動的同時， 利用主題分析反映學科間實質性研究內(nèi)容， 并構建多維測度指標體系， 探究更為完整的學科交叉前沿的整合過程。最后以信息科技與宇航交叉領域為例驗證了該方法的有效性和可行性。

２研究思路與方法

２.１研究思路

本文圍繞學科間的交叉研究， 探索兩個或兩個以上學科領域在知識生產(chǎn)或科學發(fā)現(xiàn)中產(chǎn)生交叉關聯(lián)的研究前沿。具體研究思路如下： 以基礎學科研究文獻為起點， 基于兩學科的引證關系和主題聚類獲取兩者在什么主題、什么方向產(chǎn)生交叉。在此基礎上， 利用多維度前沿測度指標判定兩學科的交叉融合是否催生出了新的研究前沿， 整體研究思路如圖１所示。

２.２研究方法

根據(jù)上述研究思路， 本文提出基于引文—主題雙重測度的交叉前沿識別方法， 研究方法框架如圖２所示。以先測度交叉、后測度前沿的思路設計以下３個階段， 第一階段：數(shù)據(jù)獲取及數(shù)據(jù)預處理，獲取兩個目標學科的文獻資源并進行數(shù)據(jù)清洗。第二階段：學科領域交叉主題識別與測度， 采用基于引文—主題的交叉主題識別方法和雙重測度指標對目標學科進行主題識別與遴選。第三階段：交叉前沿識別， 構建主題影響力、新穎度、吸引度及熱度的多維測度指標體系， 綜合評價各指標閾值計算交叉前沿遴選指標， 實現(xiàn)交叉前沿主題的識別。

２.２.１數(shù)據(jù)獲取及預處理

１）數(shù)據(jù)獲取

作為科技創(chuàng)新活動、創(chuàng)新思想以及交流科學發(fā)現(xiàn)的重要載體之一， 學術論文不僅具備嚴謹?shù)倪壿嫼途_的數(shù)據(jù)， 還蘊含了數(shù)量龐大且內(nèi)涵豐富的研究對象。因此， 在綜合考慮研究數(shù)據(jù)的影響力、新穎性和前瞻性等因素的基礎上， 本文擬從兩個主要部分獲取目標學科領域的學術論文。首先， 從科睿唯安ＥＳＩ 數(shù)據(jù)庫中獲取Ａ 學科領域的高被引研究論文（即同年度同學科中被引頻次排名前１％的論文），包括論文數(shù)據(jù)項、參考文獻等信息。其次， 從科睿唯安ＪＣＲ 數(shù)據(jù)庫中提取Ｂ 學科領域研究期刊以及這些期刊中被引次數(shù)排名前５％的論文。由于在數(shù)據(jù)獲取過程中可能存在某期刊數(shù)據(jù)未收錄于科睿唯安數(shù)據(jù)庫內(nèi)， 因此擬從ＷＯＳ 數(shù)據(jù)庫中獲取。

２）數(shù)據(jù)預處理

在進行數(shù)據(jù)存儲與轉化的過程中，由于不同語言之間的符號、字母、數(shù)字等存在著一定程度的差異，不可避免地會產(chǎn)生重復項和噪聲數(shù)據(jù)， 從而導致原始數(shù)據(jù)的不準確性和不一致性。因此，為了確保原始數(shù)據(jù)的完整性和有效性，進而提高學科交叉前沿識別的效率和準確性， 需要對研究數(shù)據(jù)進行數(shù)據(jù)清洗，具體包括以下幾個步驟：數(shù)據(jù)項提取與規(guī)范化處理、去除論文內(nèi)變異數(shù)據(jù)、重復項及噪聲數(shù)據(jù)、數(shù)字剔除、過濾停用詞等步驟， 最后將數(shù)據(jù)統(tǒng)一存儲在待處理語料庫中。

２.２.２基于引文—主題雙重測度的交叉主題識別

為了充分揭示學科間的交叉內(nèi)容與交叉方向，本文提出基于引文—主題雙重測度的交叉主題識別方法， 通過引文分析法和主題分析法的結合將分立的信息進行有機結合， 挖掘出更豐富的知識結構和知識內(nèi)容。該方法主要包括以下３個步驟： 第一，利用層次聚類算法獲取兩學科領域研究主題。第二，通過主題相似度計算和引文矩陣計算獲取學科間的主題交叉度和引文交叉度。第三， 以主題交叉度和引文交叉度為基礎， 構建基于引文—主題的交叉主題測度指標。具體操作流程如圖３所示。

１）基于主題聚類的交叉主題識別

利用主題聚類算法實現(xiàn)各學科領域論文的主題識別， 旨在實現(xiàn)細粒度地解讀學科交叉的實質性內(nèi)容， 揭示學科交叉主題的內(nèi)在聯(lián)系。首先， 本文采用層次聚類算法對預處理后的數(shù)據(jù)進行主題識別。層次聚類算法是聚類分析中最常見的算法之一，它通過逐步合并或切分簇的方式實現(xiàn)主題聚類［１９］ 。

６）交叉前沿主題遴選。為了輔助交叉前沿主題的遴選， 將Ｃｒｏｓｓ－Ｔｏｐｉｃ和Ｃｒｏｓｓ－Ｆｒｏｎｔ 兩個指標進行交叉組合， 構建戰(zhàn)略坐標圖， 如圖４ 所示， 其中ｘ軸表示Ｃｒｏｓｓ－Ｔｏｐｉｃ， ｙ軸表示Ｃｒｏｓｓ－Ｆｒｏｎｔ。由此， 將交叉前沿主題劃分為熱點交叉前沿、新興交叉前沿、潛在交叉前沿以及衰弱交叉前沿４ 種類型。

由圖４ 所知， 新興交叉前沿主題具有較高的交叉程度和前沿指數(shù)， 表明這些主題近期內(nèi)興起并展現(xiàn)出較高的交叉研究熱度； 熱點交叉前沿主題雖交叉程度高， 但前沿指數(shù)較低， 說明這些主題在過去一段時間內(nèi)已受到廣泛關注， 并正逐漸走向成熟；潛在交叉前沿主題交叉程度較低但前沿指數(shù)高， 顯示出這些主題具有較大的交叉研究潛力；而衰弱交叉前沿主題則在交叉程度和前沿指數(shù)上均表現(xiàn)不佳，表明這些主題的研究熱度正在減退， 或部分主題突然出現(xiàn)， 并未得到學術界的重視。

３實證研究

３.１實驗環(huán)境

１）硬件： Ｓａｍｓｕｎｇ ＳＳＤ ８７０，Ｉｎｔｅｌ（Ｒ）Ｘｅｏｎ（Ｒ） ＣＰＵ Ｅ５－２６７８ ｖ３ ＠ ２.５０ＧＨｚ， ＧＰＵ： ＮＶＩＤＩＡＴｅｓｌａ Ｋ８０。

２） 軟件平臺： 矩池云、Ｅｘｃｅｌ、Pｙｔｈｏｎ。

３.２研究數(shù)據(jù)集構建與預處理

自進入２１世紀以來， 全球科技創(chuàng)新進入空前密集活躍的時期， 信息科技領域作為創(chuàng)新的高發(fā)地帶， 成為全球各國（地區(qū)）政府、機構、組織創(chuàng)新的競爭高地， 是全球研發(fā)投入最集中、與各領域交叉融合最多的領域。與此同時， 宇航領域是當今世界最具挑戰(zhàn)性和廣泛帶動性的高科技領域之一。近年來， 為解決宇航領域的科學問題和突破宇航領域的技術難題， 宇航領域與信息科技領域的交叉融合給兩個學科領域帶來了新的內(nèi)生動力。因此， 本文以探索信息科技領域中宇航交叉方向為例， 對其交叉前沿開展識別研究。

３.２.１研究數(shù)據(jù)集構建

本文采用的數(shù)據(jù)源包括信息科技領域和宇航領域的科技論文數(shù)據(jù)， 具體獲取途徑如下：１） 信息科技領域： 首先， 從ＥＳＩ 數(shù)據(jù)庫中獲取“Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ” 領域２０１２—２０２２年所有高被引論文， 共獲取５ ２５６條數(shù)據(jù)， 下載時間為２０２３年４ 月； 其次， 由于該數(shù)據(jù)中不包含各論文參考文獻， 因此， 通過Ｗｅｂ ｏｆ Ｓｃｉｅｎｃｅ（ＷＯＳ）數(shù)據(jù)庫獲取，檢索式為（ＷＣ ＝（Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌ?ｌｉｇｅｎｃｅ） ＯＲ ＷＣ ＝（Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ｃｙｂｅｒｎｅｔｉｃｓ）ＯＲ ＷＣ ＝ （Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ｈａｒｄｗａｒｅ ＆ Ａｒｃｈｉｔｅｃ?ｔｕｒｅ） ＯＲ ＷＣ＝（Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓ?ｔｅｍｓ） ＯＲ ＷＣ＝（Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， ＩｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙＡｐｐｌｉｃａｔｉｏｎｓ） ＯＲ ＷＣ＝（Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， ＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ） ＯＲ ＷＣ ＝ （Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ｔｈｅｏｒｙ＆ Ｍｅｔｈｏｄｓ））， 以２０１２—２０２２ 年為時間范圍， 篩選ＥＳＩ 高水平論文并選擇題名、關鍵詞、摘要、被引頻次、參考文獻、出版年份等數(shù)據(jù)項， 共獲取８ １６５條數(shù)據(jù)； 最后， 以獲取的５ ２５６條數(shù)據(jù)為基準篩選從ＷＯＳ數(shù)據(jù)庫中獲取的數(shù)據(jù)， 獲得本文信息科技領域（包含數(shù)據(jù)項參考文獻）實驗數(shù)據(jù)為５ ２５６條。

２） 宇航領域： 從ＪＣＲ 數(shù)據(jù)庫中獲取ＥＮＧＩＮＥＥＲ?ＩＮＧ、ＡＥＲＯＳＰＡＣＥ 下的３４ 本期刊， 并在ＷＯＳ 數(shù)據(jù)庫獲取宇航領域相關論文， 檢索式為（ＷＣ＝（Ｅｎ?ｇｉｎｅｅｒｉｎｇ， Ａｅｒｏｓｐａｃｅ））， 以２０１２—２０２２ 年為時間范圍， 并按照每年被引次數(shù)倒序排序， 取每年被引次數(shù)前５％的論文， 共獲取數(shù)據(jù)４５３１條。

３.２.２數(shù)據(jù)預處理

本文對上述獲取的數(shù)據(jù)集進行統(tǒng)一字母、去除亂碼、題名中數(shù)字剔除、過濾停用詞、刪除無用數(shù)據(jù)項、空缺數(shù)據(jù)項補齊等數(shù)據(jù)梳理工作， 最后共保留信息科技領域５２５６條數(shù)據(jù)、宇航領域４ ５３１條數(shù)據(jù)、宇航領域３４ 種期刊， 并且各數(shù)據(jù)項完整。

３.３交叉主題識別結果

經(jīng)過上述預處理工作以后， 本文分別對信息科技領域和宇航領域進行主題識別， 并通過主題分析法和引文分析法獲得其交叉主題， 最后根據(jù)基于引文—主題的交叉測度指標遴選信息科技領域的交叉主題（宇航交叉方向）。

３.３.１基于層次聚類算法的學科主題識別

本文選用“題名” 作為本次實驗的文本語料庫，首先對信息科技領域和宇航領域進行輪廓系數(shù)計算，獲得合理范圍內(nèi)最佳主題個數(shù)。其中， 為避免主題數(shù)目過多導致實驗結果不準確， 將主題個數(shù)范圍確定在［１，１５０］之間。計算結果如圖５ 所示。

由圖５可以看出， 信息科技領域與宇航領域的最佳主題個數(shù)分別為１４９和１３２。根據(jù)其計算結果，分別設定信息科技領域和宇航領域兩組數(shù)據(jù)集的主題聚類數(shù)為１４９和１３２， 利用層次聚類算法實現(xiàn)兩個學科領域的主題識別， 其結果如表１和表２所示。

３.３.２基于引文—主題的交叉主題識別

１） 基于層次聚類的交叉主題識別結果

在得到信息科技領域與宇航領域的主題識別結果后， 本文根據(jù)２.２.２余弦相似度計算式（２） 進行主題間的相似度計算， 即主題交叉度， 并取每個信息科技領域主題與宇航領域主題的最大值， 計算結果如表３ 所示。

２） 基于引文矩陣的交叉主題識別結果

根據(jù)前面數(shù)據(jù)集構建的過程， 首先對信息科技領域所有論文進行引文和主題數(shù)據(jù)項的處理。根據(jù)２.２.２提出的基于引文矩陣的交叉主題識別方法，先構建信息科技領域文獻—主題一模矩陣和文獻—引文一模矩陣， 計算結果如表４和表５所示。

基于文獻—主題和文獻—引文兩個一模矩陣，利用Ｐｙｔｈｏｎ編碼， 對文獻—主題一模矩陣進行轉置運算形成主題—文獻一模矩陣， 再將文獻—主題和文獻—引文兩個矩陣進行乘積運算， 得到一個引文—主題二模矩陣， 表示為信息技術領域中每個主題所引用宇航領域的各期刊數(shù)目， 部分結果如表６所示。

最終，根據(jù)該二模矩陣結果， 計算信息技術領域各主題下引用宇航領域論文的總數(shù)， 即引文交叉度， 計算結果如表７ 所示。

３）基于引文—主題的學科交叉測度計算結果

基于上述獲得的主題交叉度和引文交叉度的計算結果， 引用２.２.２構建的引文—主題的學科交叉測度計算式（４），計算信息科技領域各主題Ｃｒｏｓｓ－Ｔｏｐｉｃｉ值，根據(jù)其計算結果遴選交叉主題， 部分計算結果如表８所示。

３.４交叉前沿識別結果及分析

根據(jù)學科領域交叉主題識別結果， 遴選交叉前沿主題， 依據(jù)２ ２ ３ 構建的多維測度指標體系，對學科交叉結果進行主題影響力、新穎度、吸引度和熱度計算， 并對指標進行歸一化處理。同時， 利用ＣＲＩＴＩＣ 法計算各交叉前沿主題指標的權重， 如表９所示。

計算交叉前沿遴選指標Ｃｒｏｓｓ－Ｆｒｏｎｔ值， 遴選交叉前沿主題， 其結果如表１０ 所示。同時， 結合Ｃｒｏｓｓ－Ｔｏｐｉｃ 值繪制交叉前沿主題的戰(zhàn)略坐標圖， 如圖６ 所示。

可以看出， 新興交叉前沿包含ＣＳ＿３、ＣＳ＿２４、ＣＳ＿１ 等２８ 個主題； 熱點交叉前沿包含ＣＳ＿１２４、ＣＳ＿９８、ＣＳ＿９１ 等４２ 個主題； 潛在交叉前沿包含ＣＳ＿６０、ＣＳ＿１１、ＣＳ＿８６ 等２３ 個主題； 衰弱交叉前沿包含ＣＳ＿７８、ＣＳ＿４７、ＣＳ＿９ 等５６ 個主題， 具體主題分類如表１１ 所示。

１） 新興交叉前沿

該類主題是信息科技領域近段時期出現(xiàn)并得到廣泛關注的主題， 并且與宇航領域展開交叉研究。通過對該類主題對應的主題詞分析發(fā)現(xiàn)， 該類主題主要集中于用于圖像檢測的深度學習技術、多智能體系統(tǒng)一致性跟蹤控制、無人機無線通信技術， 以及鯨魚、布谷鳥等群體智能優(yōu)化技術等內(nèi)容的研究上。以主題ＣＳ＿１為例， 其具體的主題關鍵詞如表１２所示。主題ＣＳ＿１與宇航領域交叉研究的主要內(nèi)容為將多智能體系統(tǒng)一致性跟蹤控制技術應用于宇航領域研究中飛行器編隊中的隊形、飛行器跟蹤的姿態(tài)以及群體集會中的最終目的地等內(nèi)容。經(jīng)過專家判讀和查閱相關專業(yè)研究文獻后認為智能體系統(tǒng)一致性跟蹤控制技術的核心是設計每個智能體與其相鄰通信的智能體之間的信息交換規(guī)則， 可助力多顆航天器協(xié)同工作， 共同完成統(tǒng)一任務， 這也是航天器編隊的本質特點。近年來， 國內(nèi)外將該技術方法廣泛應用于宇航領域研究中， 展示出了巨大的應用發(fā)展前景， 是當前的一大新興交叉前沿。

２） 熱點交叉前沿

該類主題是信息科技領域過去一段時間內(nèi)出現(xiàn)并開展研究的主題， 已經(jīng)與宇航領域展開較多的交叉研究。通過對該類主題詞分析發(fā)現(xiàn)， 該類主題主要集中于無線智能通信技術、面向智能決策的多目標優(yōu)化技術、人工神經(jīng)網(wǎng)絡和有限元方法等。以主題ＣＳ＿１７為例，其具體的主題關鍵詞如表１３所示。

主題ＣＳ＿１７與宇航領域交叉研究的主要內(nèi)容為面向智能決策的多目標優(yōu)化技術， 主要包括在軌對接與裝配、天體組合運行和航天器損傷紅外檢測等。經(jīng)過專家判讀和查閱相關專業(yè)研究文獻后， 認為面向智能決策的多目標優(yōu)化技術過去一段時間內(nèi)在宇航領域研究中應用頗多， 例如通過設置任務優(yōu)先級融合多目標并采用基于主任務零空間的方法實現(xiàn)對碰前軌跡的優(yōu)化、針對天宮二號／ 神舟十一號任務組合體運行與飛船返回要求， 建立多目標特征參數(shù)的控制方程等， 其相關研究已經(jīng)趨于成熟。

３）潛在交叉前沿

該類主題是信息科技領域近段時間內(nèi)出現(xiàn)并受到廣泛關注的主題， 但未與宇航領域展開較多的交叉研究，還有較大的交叉研究潛力。通過對該類主題對應的主題詞分析發(fā)現(xiàn)，該類主題主要集中于異構云無線接入網(wǎng)絡技術、“區(qū)塊鏈＋物聯(lián)網(wǎng)” 去中心化技術、智能邊緣計算技術、大規(guī)模的ＭＩＭＯ通信系統(tǒng)等。以主題ＢＦＣＳ＿６０為例， 其具體的主題關鍵詞如表１４所示。

主題ＣＳ＿６０與宇航領域交叉研究的主要內(nèi)容為將智能邊緣計算技術應用于地面和空間數(shù)據(jù)分析，該技術與機器學習相結合， 通過為連接有限或沒有連接的獨特站點提供核心功能， 使它們能夠在本地處理和分析數(shù)據(jù)。經(jīng)過專家判讀和查閱相關專業(yè)研究文獻后認為智能邊緣計算技術具備較強的星載計算能力， 未來通信衛(wèi)星結合邊緣計算技術有望突破傳統(tǒng)的“轉發(fā)器” 概念， 將部分計算、存儲、通信、網(wǎng)絡與感知任務沉降到衛(wèi)星邊緣完成在軌處理， 實現(xiàn)通信、計算有效融合， 有效提高服務響應速度，降低多源數(shù)據(jù)回傳造成的通信壓力， 擺脫對地面系統(tǒng)依賴。因此， 該技術方法在宇航領域有較好的發(fā)展前景。

４）衰退交叉前沿

該類主題是信息科技領域過去一段時間出現(xiàn)，并且與宇航領域展開少量研究的交叉主題。通過對該類主題對應的主題詞分析發(fā)現(xiàn)， 該類主題主要集中于無線傳感器網(wǎng)絡技術、網(wǎng)絡功能虛擬化技術、蜂窩網(wǎng)絡技術等。以主題ＣＳ＿６３為例， 其具體的主題關鍵詞如表１５所示。

主題ＣＳ＿６３與宇航領域交叉研究的主要內(nèi)容為將無線傳感器網(wǎng)絡技術應用于飛行器結構健康監(jiān)測、航天器控制、衛(wèi)星控制系統(tǒng)、空間環(huán)境檢測等。經(jīng)過專家判讀和查閱相關專業(yè)研究文獻后認為， 目前無線傳感器網(wǎng)絡技術在航天領域的應用取得成就的同時也存在一些局限， 例如， 由于差分衛(wèi)星信號的傳播距離較短，要求鏈路傳輸質量非常高， 這可能會對無線傳感器網(wǎng)絡的應用產(chǎn)生限制。同時， 隨著技術的不斷進步和應用場景的不斷擴展， 過去較為成熟的無線傳感器網(wǎng)絡技術無法適應當前宇航領域相關研究， 需要更深層次的研究與創(chuàng)新。

４結論

圍繞學科間的交叉前沿識別， 本文首先梳理了交叉前沿的相關概念， 并給出交叉前沿的基本概念和特征。同時， 通過對學科交叉和研究前沿的識別方法進行歸納和總結，提出了基于引文—主題雙重測度的交叉前沿識別方法， 并選取信息科技領域和宇航領域作為實證對象，呈現(xiàn)了以引文分析法和主題分析法相結合的交叉前沿識別過程。其中，基于引文—主題的交叉主題識別方法是在主題層次識別和構建引文矩陣的基礎上進行指標計算，該方法不但可以充分地揭示學科間實質性交叉主題， 更能夠通過引文—主題矩陣反映學科間知識流動情況。另外，通過構建主題新穎度、熱度、吸引度和影響力的多維測度指標體系， 綜合評價了學科交叉主題的前沿程度，并根據(jù)戰(zhàn)略坐標圖結果遴選出新興交叉前沿、熱點交叉前沿、潛在交叉前沿和衰弱交叉前沿主題。

對信息科技領域（宇航領域交叉方向）進行驗證的實驗結果表明，本文提出的學科間交叉前沿識別方法可以有效地識別出蘊含在跨學科交流過程中的交叉主題和交叉前沿，有助于前瞻性分析各學科領域的知識交流方向和研究前沿主題， 能夠為我國宏觀科技戰(zhàn)略決策和領域科技創(chuàng)新提供證據(jù)支持，前沿謀劃重大前沿交叉領域， 突破核心技術難點，在全球創(chuàng)新變局中力爭主動， 搶占未來科技制高點。