基于學科交叉的未來產業識別研究

中圖分類號：S336 文獻標志碼：A 文章編號：1008-0864（2025）07-0010-10

Study on Identification of Future Industries Based on Interdisciplinary

SHI Min，XUZhenyan，LUOJian* （Business School，Hunan Agricultural University，Changsha 41O128，China）

Abstract：Thefutureindustryisdrivenbycuting-edgetechnology，anditisthekeytograsptheinitiativeoffuture development.Ithascharacteristicsofcuting-edgetechnology，crossfusionandstrategic，which issameasinterdisciplnary studies，soitisfeasibletocarryoutfutureindustryidentificationbasedoninterdisciplinarystudies.Asanfrontier interdisciplinaryfeldrelatedtonationalfoodsecurityandhuman lifeandhealth，thefieldofbio-breding hasahuge industrialspaceinthefuture.Itisof greatsignificancetostudyontheidentificationoffutureindustriesinthefeldofbiobredingbasedoninterdisciplinary.According tothe technologypushmodel，thetechnologydrivebeginswithbasic research，which isgenerallycharacterizedbytheuseof joumaliterature，hencetheuseof journaldataasadata source. Firstly，highlyinterdisciplinary literature wasscreenedusing thecomprehensive indicator measureof disciplinarydiversity， thenthetechnologyclusterswereobtainedbythememiningofthreeconsecutive time-periodsofliteratureusingthelatent dirichletalocation（LDA）model，andfinallyidentifyingthefutureindustryofbio-breedingthrough thetrendof theme change，anddiscoveringthefutureidustrialappicatioscenariosthrough theanalysesofthesub-divisionsof thetechnology clustersandthecooperating organizations.3future industrial technologyclusters infieldofbio-breeding：synthetic biology， bioinformatics，andbiologyandenvironmentweresuccesfullyidentified.Theidentifcationresultswereconsistentwiththe industry，indicatingthefeasibilityofthemethod.Theaplicationscenariosofthesubieldsandinstitutionsofthefuture industrialtechnologyclustersinfieldofbio-breeding werefurtheranalyzed，whichprovideddecisionsupportforthelayoutof future industries in the field of bio-breeding by government and laboratory.

KeyWords：interdisciplinarity；future industries；topic model;biological breeding

未來產業是把握未來發展主動權的關鍵所在，各國紛紛布局未來產業。2023年9月，習近平總書記在黑龍江考察調研時指出，整合科技創新資源，引領發展戰略性新興產業和未來產業，加快形成新質生產力。戰略性新興產業已經進入成長期，而未來產業基本處在孕育期2。未來產業相對于戰略性新興產業而言，更具有前沿性和變革性。2019年美國發布《美國將主導未來產業》，提出重點發展生物技術等5個領域；同年歐盟也發布了《加強面向未來歐盟產業戰略價值鏈報告》，提出發展智能健康等6個領域。我國高度重視未來產業發展，2024年1月工業和信息化部等七部門聯合印發《關于推動未來產業創新發展的實施意見》（工信部聯科[2024]12號），明確指出未來產業是由前沿技術驅動，并在未來健康產業賽道中專門強調了生物育種4。

技術創新線性模型將技術創新劃分為技術推動和市場拉動2種模型。未來產業由前沿技術驅動，屬于技術推動模型。技術推動模型是從基礎研究到應用研究，再經歷研究開發和生產制造，最終面向市場推出產品或服務的過程。要精準識別未來產業，就必需從基礎研究入手，期刊文獻是開展基礎研究計量分析的重要數據源。研究表明，重大科技問題的解決和創新往往需要多學科領域知識的交匯貫融5，而不同學科的交叉也最有可能產生重大的科學突破，形成新科學的生長點和未來產業的增長點。

種子是保障國家糧食安全的根本，是農業的“芯片”。我國一直高度重視種業發展，2020年12月中央經濟工作會議將“解決好種子問題\"列入八大重點任務之一，2021年7月9日中央全面深化改革委員會第二十次會議審議通過《種業振興行動方案》。生物育種是種業創新的核心。種業大省和強省（自治區、直轄市）也紛紛布局生物育種領域，如湖南、湖北、河南等紛紛成立種業實驗室，開展生物育種研究。地方政府和省種業實驗室均面臨著系列決策問題，首當其沖的就是生物育種領域的未來產業布局，以及實驗室研究方向和人才引進等問題。本文圍繞生物育種領域開展未來產業識別研究，以期為明確生物育種未來產業發展方向、各種業實驗室布局研究方向及引進合作機構及為各創新主體開展前沿技術產業化提供決策支持，探索基于期刊文獻數據，采用高學科交叉分析方法識別未來產業的可行性。

1未來產業發展及特征

1.1 未來產業簡介

未來產業是由當前的前沿技術引發的，能夠支撐未來經濟發展的主導產業。從產業生命周期來看，未來產業是基于未來技術突破和場景應用而培育的新興產業，當前處于孕育萌發期，需要各類產業新技術、新要素、新主體的聯合推動。未來產業是塑造未來世界的關鍵性力量，各國之所以如此重視未來產業，本質上是希望通過加強當前科技前沿布局獲得未來產業競爭優勢。

1.2 未來產業的特征

對未來產業的特征進行整理分析發現，盡管目前并沒有關于未來產業的統一定義，但是關于未來產業的特征描述基本一致，主要體現在3個方面：一是未來產業是由前沿科技驅動[0；二是驅動未來產業形成的前沿技術普遍具有交叉融合特點[10-1};三是未來產業具有戰略性[12]，對人類將產生重大影響。本研究基于學科交叉開展未來產業識別研究，進一步對學科交叉的特征進行分析發現，學科交叉具備3個特征：一是學科交叉最有可能形成科學前沿6.13]；二是學科交叉本身代表著交叉融合[13；三是學科交叉往往用于解決戰略性問題[5，13]。將未來產業和學科交叉的特征進行對比發現，二者高度一致，均具備前沿科技、交叉融合和戰略性3個特征，因此，基于學科交叉度較高的文獻開展未來產業識別具有一定可行性。

1.3學科交叉測度和技術識別方法

學科交叉是指學科或研究領域間知識出現交叉整合現象的動態過程14。學科交叉測度方法主要有合作關系測度、文本內容測度和引文關系測度等。針對合作關系開展測度的方法需采集作者所屬學科數據，存在1位作者擁有多個研究領域的情況，以及作者身份消歧等技術難點，工作量大、操作難度大[15]。文本內容測度存在主題詞、關鍵詞、概念等相關測度對象與學科難以準確對應的問題，且具體測度方法及測度指標尚不明確1。針對引文開展的測度，主要以參考文獻歸屬的期刊學科分類判定學科交叉度。由于基于參考文獻的學科交叉測度方法具有可操作性強、客觀性等優勢[，目前已被應用于醫學、納米科學與納米技術、社會科學等領域的學科交叉綜合測度[18-20]。因此，本研究基于引文關系進行學科交叉測度，發現高學科交叉文章。

基于文獻的技術識別方法主要有基于傳統引文、關鍵詞、文本挖掘的主題識別方法，其中文本挖掘的主題識別方法在顆粒度和精準度方面表現均更優。隱含狄利克雷分布（latentdirichletallocation，LDA）主題模型作為一種非監督機器學習技術，是文本挖掘的佼佼者，不僅能識別文檔主題并挖掘語料的隱藏信息[21，還能有效提升文本聚類精準度，因此，選擇LDA主題模型進行高學科交叉文章的技術主題識別分析。

許多學者對未來產業從宏觀上開展研究，討論未來產業帶來的機遇、挑戰、對策等，但鮮有學者直接開展未來產業識別研究。鑒于未來產業和學科交叉均具有前沿科技、交叉融合和戰略性3個特征，基于學科交叉開展未來產業識別具有一定可行性。研究表明，基于引文關系進行學科交叉測度具有一定優勢，采用LDA主題模型能有效提升文本聚類精準度[17.22]，故本研究采用引文關系測度學科交叉情況，再通過LDA主題模型對高學科交叉文獻進行技術主題識別發現前沿技術群，進而結合應用場景判別未來產業。

2未來產業識別邏輯

由于未來產業是前沿科技驅動，屬于技術創新線性模型中的技術推動模型。技術推動模型一般是從基礎研究開始，然后經歷應用研究、研究開發階段，再進入生產制造和市場銷售。未來產業的演變過程遵循技術推動模型，也始于前沿科技，在前沿科技有了重大突破后，再進行重大科技創新產業化，隨著新創企業的不斷增加，從而形成新興產業，伴隨著市場規模的不斷擴大逐步形成主導產業。從前述關于未來產業和學科交叉的特征分析來看，二者有很好的契合關系。當前世界前沿科技大多源于學科交叉，而且學科交叉程度越高，越說明解決問題的復雜性。在生物育種領域，傳統的基于單一學科開展創新的方式已不能滿足現代生物育種的需求，當前生物育種領域科技創新均是基于多個學科的交叉形成。將生物育種未來產業形成過程劃分為5個階段：一是涌現高學科交叉前沿技術；二是這些高學科交叉前沿技術組成若干技術群；三是基于系列應用場景對技術群進行產業化；四是形成新興產業；五是形成主導產業。其中，前3個階段是生物育種未來產業的孕育期，本研究針對生物育種未來產業孕育期開展未來產業識別，以期為政府和創新主體在未來獲得主導產業優勢贏得先機。未來產業識別邏輯如圖1所示，技術推動模型、未來產業演變過程以及生物育種未來產業的形成均按照時間軸向前動態演進。

鑒于前沿科技源于基礎研究，基礎研究多基于期刊文獻進行分析，而未來產業與高學科交叉均具有前沿科技、交叉融合和戰略性3個特征，因此，篩選生物育種領域高學科交叉期刊文獻作為分析未來產業的語料數據。為了獲得生物育種未來產業技術群，采用LDA語義分析在更細顆粒上對語料進行聚類，識別生物育種領域主題，即技術群。針對每個技術群的主要應用領域挖掘應用場景，為各種業強省（自治區、直轄市）種業實驗室和相關創新主體提供前沿技術方向、合作機構、應用場景等全方位的未來產業布局決策支持。

3未來產業識別方法

基于學科交叉測度的未來產業識別研究主要分為3個步驟： ① 數據獲取與處理； ② 學科交叉測度； ③ 未來產業的確定。未來產業識別流程如圖2所示，其中學科交叉測度主要是參考文獻學科映射、文章學科交叉測度；未來產業識別的關鍵是LDA主題模型的構建、主題數的確定以及未來產業確定。

3.1 學科交叉測度

學科交叉度越高的文獻越代表了技術前沿。將交叉度較高的文獻作為技術群主題識別的語料，從而確保識別的技術主題具有前沿科技、交叉融合和戰略性的特征。學科交叉測度主要步驟為參考文獻學科映射及文章學科交叉測度。

3.1.1參考文獻學科映射基本科學指標數據庫（essentialscienceindicators，ESI）包含WOS數據庫中期刊和期刊縮寫信息的列表。期刊引證報告（journalcitationreports，JCR）中含有期刊全稱與學科類別對照表，將其與ESI中的期刊全稱-縮寫對照表進行關聯，獲得“期刊全稱-期刊縮寫-學科類別對照表”。基于該表，采用MySQL數據庫軟件，根據文章的參考文獻期刊名稱，確定參考文獻的學科類別。統計文章參考文獻的學科類別，形成\"文章-學科矩陣”。

3.1.2學科交叉測度基于“文章-學科矩陣\"測度每篇文章學科交叉度，學科交叉測度指標為指數 ²D^s ，計算公式如下。

d_ij=1-S_ij

式中， p_i 和 p_j 分別為學科類別 i，j 的被引頻次占學科總被引頻次的百分比，其中j； S_ij 為學科ij 之間的相似度； d_ij 表示學科間的距離；RS（rao-stirling）與 ²D^s 均是測度學科交叉度的綜合指標，表示文章的學科交叉程度，其中 ²D^s 起源于生態學領域，相對于RS更具有優越性[8]。 ²D^s 從參考文獻的學科豐富性、平衡性及差異性等方面衡量研究成果的“知識融合度\"23]，數值越大表示學科交叉程度越高。

3.2 未來產業識別

3.2.1 LDA主題模型構建 根據 ²D^s 指數測度結果篩選獲得領域學科交叉度較高文章后，對文章摘要進行文本分詞等數據處理，數據處理后構建LDA模型進行主題識別。LDA是一種無監督的3層貝葉斯概率模型，在大規模文檔集建模方面被廣泛應用，它能有效預測文本和詞匯的主題分布，并在一定程度上體現詞間語義關系，在實際應用中具有較好的適用性。LDA模型是經典的基于詞袋模型進行文本表示的方法，該模型先以一定的概率選取某個主題，再以一定的概率選取該主題下的某個單詞，不斷重復以上步驟直至產生文檔中所有的詞語。這種方法既能衡量各文檔間的潛在語義關系，又能緩解數據稀疏問題[24]。

3.2.2主題數目的確定目前確定最優主題數主要有困惑度、主題一致性2種方法。主題一致性評估是指每個主題中的高概率詞在多大程度上是與主題相符合的，是衡量主題質量最有效的方法，因此，本研究采用主題一致性作為主題數確定方法。作為一致性度量方法之一的u_mass具有速度快且無需借助外部語料庫的特點，因此將其作為衡量標準，公式如下。數字越大，一致性得分越高。

式中， 是衡量單詞 w_i 與 w_j 在文檔中的關聯強度； D（w_i，w_j） 表示單詞 w_i 和 w_j 在文檔中同時出現的次數； D（w_i） 表示單詞 w_i 單獨出現的次數。

3.2.3未來產業確定獲得技術主題后，對技術主題進行初步篩選，根據關鍵詞及主題對應文獻的內容，刪除與領域相關度不高的主題。將在多個時間窗口連續出現的主題，且在產業界初步展現的判別為未來產業技術群。在多個時間窗口連續出現，表明這類前沿科技是學界持續關注的熱點問題。在產業界有所展現，說明這類前沿科技不僅停留在科學研究階段，而且已有應用場景，形成產業的趨勢日漸明顯。結合未來產業技術群的細分領域和研究機構，對未來產業應用場景開展深入分析，明確前沿科技的產業化場景。

4生物育種領域未來產業識別

4.1數據獲取與處理

生物育種有廣義和狹義之分，廣義的生物育種涵蓋常規育種、雜交育種、分子標記育種、全基因組選擇、基因編輯、轉基因等育種技術[25]，狹義的生物育種特指生物工程育種。本研究的生物育種是廣義的生物育種。以《中國農作物種業發展報告》發布的種業科技文獻所在期刊為核心，對期刊WOS學科分類進行統計，發現主要分布在PLANTSCIENCES、BIOCHEMISTRYamp;MOLECULARBIOLOGY、CELLBIOLOGY、MULTIDISCIPLINARYSCIENCES及 BIOTECHNOLOGYamp;APPLIEDMICROBIOLOGY共5個學科，針對這5個學科，選定5年平均影響因子均大于4且分區為Q1和Q2的345本期刊作為數據采集對象。通過WOS核心數據庫，按照索引日期采集2013一2022年的345本期刊數據，得到1124342篇文獻。對下載的數據進行處理，刪除摘要、年份、機構、作者及參考文獻信息不全的論文后獲得1093017篇文獻。對參考文獻記錄進行學科匹配，得到成功匹配的參考文獻記錄97764123條。

4.2 未來產業識別

對論文進行學科交叉測度，篩選 ²D^s 指數大于3的文獻作為高學科交叉文獻，共得28259篇文獻。將高學科交叉文獻的標題、摘要、關鍵詞字段作為主題識別文本，根據文獻量及時間窗口將文獻分成2013—2015、2016—2019、2020—2022這3個時間段，采用主題一致性方法確定主題數，運用LDA模型對文獻進行主題聚類。通過對每個主題的核心詞及探測值在前列的文獻研讀2，并結合課題組前期開展的種子行業產業分析經驗以及邀請產業專家研討等方式，確定每個主題名稱，在剔除醫藥等不相關主題后，最終獲得與生物育種領域密切相關的主題及其核心詞。在連續2個時間窗口都出現的技術主題有合成生物、生物信息及生物與環境。結合未來產業處于產業萌芽期的特點對這3個技術群進行分析判別。 ① 合成生物，已經在食品、農業、醫藥等多個領域產生了應用場景，如農業領域的牧原集團借助合成生物技術改進飼料實現無豆養豬，2023年還與西湖大學合作成立合成生物研究院，但合成生物目前還依附于原有產業2，尚未形成獨立的生產體系。② 生物信息，在基因組選擇育種中已有所應用，也涌現出華智科技等企業[28]，但企業規模還偏小。③ 生物與環境，中國科協發布的2023重大前沿科學問題中就包括全球氣候變化背景下作物如何適應土壤環境，國家自然科學基金“十四五\"提出的優先發展領域也包括生物重要性狀與環境適應的進化機制，這個領域在未來對我國糧食安全具有重要戰略意義，應用場景已經初步顯現，但是目前企業偏少。總體來看，這3個技術群推動的產業均處于萌芽期，因此可以判斷為未來產業。

4.3未來產業應用場景分析

4.3.1合成生物技術群應用場景分析合成生物涵蓋能源、食品、生物修復等細分領域，各細分領域的論文數、主要發文機構如表1所示。合成生物領域主要研究力量分布在中國科學院、江南大學、上海交通大學、美國能源部等。能源細分領域主要為生物燃料（生物乙醇、柴油、丁醇）的微生物合成。中國科學院廣州能源研究所作為目前國內可再生能源與新能源領域研究較早、布局較全的科研機構，在生物質能等方面進行重點布局，并建有多個相關研發中心和重點實驗室。在農業食品細分領域，研究者基于合成生物技術進行糖、蛋白、油脂的合成，利用微生物（如酵母、枯草桿菌等）或動物細胞產生特定的食物分子。合成生物在功能性食品配料的應用可以實現營養成分的精確調配，滿足人們對飲食健康的追求。目前江南大學與蒙牛乳業等多家企事業單位進行了技術成果轉化合作，實現了氨基葡萄糖、維生素K2等6種功能性食品配料的工業化生產[29]。在農業環境領域，研究者基于合成生物技術利用微生物進行重金屬污染治理、污水凈化、有機污染物降解等環境修復以及生物制劑的開發。微生物修復為農田污染治理開辟新道路，生物制劑不僅治理了農田污染，還起到了農作物提質增效的目的。巴斯夫等農業巨頭已加速布局農業生物制劑，先正達集團股份有限公司也在加速進行生物制劑研發應用。綜上而言，合成生物技術群應用場景主要體現在能源行業的農林生物質能利用、農業食品領域的功能性食品以及農業環境領域的農田修復和污染治理等方面。國際種業巨頭已經開始布局，國內也有部分企業正在推進產業化進程。

4.3.2生物信息技術群應用場景分析根據生物信息領域的發文及機構統計發現，生物信息細分領域有高通量測序、機器學習和采用質譜分析手段等，研究力量包括英國研究型圖書館、中國科學院、哈佛大學、加利福尼亞大學以及亥姆霍茲聯合會等，各細分領域的論文數、主要發文機構如表2所示。生物技術與信息技術的結合是當前生物育種領域的重要發展趨勢。中國科學院植物研究所通過高通量測序獲得了多種植物基因序列，為后續重要基因的功能和表達模式研究提供了基礎。機器學習技術被應用于全基因組選擇輔助育種、基因型到表型預測、基因型與環境互作建模等。哈佛大學與清華大學、加州理工學院等頂尖院校合作，利用機器學習技術進行了生物分子相互作用網絡分析等。質譜分析等分析手段提高了生物數據的獲取與解讀的效率和準確度。生物信息技術群應用場景體現在生物育種的全流程，具體包括優質基因的發現、輔助育種等方面，能夠有效縮短育種周期，提高育種效率。

4.3.3生物與環境技術群應用場景分析生物與環境涵蓋生物對環境的響應機理研究、種質創新與遺傳改良研究、氣候環境研究，研究力量包括中國科學院、法國國家農業食品與環境研究院、法國研究型大學聯盟、法國國家科學研究中心、中國農業科學院、華中農業大學以及英國研究型圖書館，各細分領域的論文數、主要發文機構如表3所示。其中，中國科學院在種質創新與遺傳改良基礎研究、生物對環境的響應機理研究及氣候環境研究方面發文量均靠前。法國國家農業食品與環境研究院與法國國家科學研究中心、法國研究型大學聯盟合作密切，合作研究主要圍繞植物、真菌和其他微生物相互作用機制展開。中國科學院探討了真菌與植物的共生關系，揭示植物抵御鹽堿脅迫、冷脅迫、重金屬脅迫等環境脅迫的分子機制，確定了一批功能基因。在生物對環境的響應機理研究方面，植物、真菌和其他微生物相互作用機制研究能為開發更高效的生物肥料和生物農藥提供前沿技術，植物對環境脅迫響應機理研究能為開發耐寒、耐旱、耐鹽等植物新品種提供支撐。中國農業科學院與華中農業大學在主要農作物基因組研究與種質創新方面具有較多研究成果，同樣為植物新品種研發提供了種質創新基礎。隨著全球升溫與極端氣候事件的增加，氣候變化、潛在影響及相關風險近年來引起關注，推動了氣候環境的監測和預警系統的完善及精準農業的發展。英國研究型圖書館相較其他機構更關注氣候環境變化及其影響，如華威大學的生命科學院探討了全球變暖情況下植物生命周期的變化[3，這些研究為生物育種下游的氣候對產量影響預測等社會化服務提供了前沿技術。綜上可知，生物與環境技術群應用場景主要體現在生物肥料和生物農藥、植物新品種研發以及生物育種下游社會化服務等方面。

5結語

未來產業是把握未來發展主動權的關鍵，本研究采用“學科交叉測度 +LDA 主題識別 + 產業研判\"進行未來產業識別，并以關系國計民生的生物育種領域進行實證分析，獲得合成生物、生物信息、生物與環境3個未來產業技術群。在生物育種未來產業布局上，我國可充分依托中國科學院、中國農業科學院等國家戰略科技力量，深入踐行構建人類命運共同體理念，推動與美國、英國和法國等國家相關機構的科技開放合作，以加快前沿交叉技術的研發與突破。同時，可以依托國內市場優勢，加快未來產業應用場景的發掘與培育，加強未來產業技術群的成果轉化和商業化進程，以形成新質生產力。

參考文獻

[1]新華社.習近平總書記首次提到“新質生產力\"[EB/OL].（2023-09-10） [2024-04-26]. http：//www.news.cn/politics/leaders/2023-09/10/c_1129855743.htm.

[2]黃群慧.強化助力中國式現代化使命擔當把握建設現代新型國有企業的著力點[J].國資報告，2023（7）：16-17.

[3]中國社會科學院工業經濟研究所課題組.世界主要經濟體未來產業的戰略布局[J].新經濟導刊，2023（2）：73-86.

[4]中國政府網.工業和信息化部等七部門關于推動未來產業創新發展的實施意見：工信部聯科〔2024〕12號[EB/OL].（2024-01-18）[2024-04-26]. https：//www.gov.cn/zhengce/zhengceku/202401/content_6929021.htm.

[5]張雪，張志強.學科交叉研究系統綜述[J].圖書情報工作，2020，64（14）：112-125.ZHANGX，ZHANGZQ.Reviewon interdisciplinaryresearch[J].Libr.Inf. Serv.，2020，64（14）：112-125.

[6]路甬祥.學科交叉與交叉科學的意義[J].中國科學院院刊，2005，20（1）： 58-60.LU Y X. Implications in the disciplinary cross-breeding andinter-disciplinary sciences [J].Bull. Chin.Acad.Sci.，2005，20（1）： 58-60.

[7]新華社.中央經濟工作會議舉行習近平李克強作重要講話[EB/OL]. （2020-12-18）[2024-04-26].htps：//ww.gov.cn/xinwen/2020-12/18/content_5571002.htm.

[8］新聞聯播.習近平主持召開中央全面深化改革委員會第二十次會議強調 統籌指導構建新發展格局 推進種業振興推動青藏高原生態環境保護和可持續發展[EB/OL].（2021-07-09）[2024-04-26]. https：//tv.cctv.com/2021/07/09/VIDEmmetYQ3AATVlKpGCV6jW210709.shtml？spm=C31267.PXDaChrrDGdt.EbD5Beq0unIQ.3.

[9］余東華.“十四五\"期間我國未來產業的培育與發展研究[J].天津社會科學，2020，3（3）：12-22.

[10］王小林，謝妮蕓.未來產業：內涵特征、組織變革與生態建構[J].社會科學輯刊，2023（6）：173-182.

[11]SIGOV A，RATKIN L， IVANOVL A， et al.， Emerging enablingtechnologies for industry 4.Oand beyond[J].Inf.Syst.Front.，2024，26（5）： 1585-1595.

[12］沈華，王曉明，潘教峰.我國發展未來產業的機遇、挑戰與對策建議[J].中國科學院院刊，2021，36（5）：565-572.SHEN H， WANG X M，PAN JF. Opportunities，challenges，and recommendations for development of future industriesinChina [J]. Bull. Chin. Acad.Sci.，2021，36（5）： 565-572.

[13］劉仲林.交叉科學時代的交叉研究[J].科學學研究，1993，11（2） 9-16.LIUZL.Interdisciplinary research in the New Eraofinterdisciplinary science [J]. Stud. Sci. Sci.，1993，11（2）： 9-16.

[14］張琳，孫蓓蓓，王賢文，等.交叉科學成果影響力研究：使用數據與引用數據視角[J].情報學報，2020，39（5）：469-477.ZHANGL，SUNBB，WANG XW，etal.. The impact ofinterdisciplinarity： distinct efcts on usage and citation [J].J.China Soc. Sci. Tech.Inf.，2020，39（5）： 469-477.

[15]CASSI L，MESCHEBA W，DE TURCKHEIM E. How toevaluate the degree of interdisciplinarity of an institution？[J].Scientometrics，2014，101（3）： 1871-1895.

[16］李佳蕾，安培浚，肖仙桃.學科交叉主題識別方法研究綜述[J].數據分析與知識發現，2023，7（4）：1-15.LI JL，AN P J，XIAO X T. Review of methods forinterdisciplinary topicidentification[J].Data Anal.Knowl.Discov.，2023，7（4）：1-15.

[17]PORTER A L，COHEN A S，DAVID ROESSNER J，et al..Measuring researcher interdisciplinarity [J]. Scientometrics，2007， 72（1）： 117-147.

[18]索傳軍，肖玥.學科交叉研究的現存問題與未來展望[J].圖書情報工作，2023，67（1）：144-152.SUO CJ， XIAO Y. The implementation dilemmas andperspectives of interdisciplinary research [J].Libr. Inf.Serv.，2023，67（1）： 144-152.

[19］范少萍，安新穎，晏歸來，等.醫學領域前沿主題識別方法研究[J].情報學報，2018，37（7）：686-694.FAN S P，AN X Y， YAN G L， et al. Study on the recognitionmethodof frontier topic in the medical field[J].J.China Soc.Sci. Tech.Inf.，2018，37（7）： 686-694.

[20]韓正琪，劉小平，徐涵.基于Rao-stirling指數的學科交叉文獻發現：以納米科學與納米技術為例[J].圖書情報工作，2018，62（1）： 125-131.HANZQ，LIUXP，XUH. Interdisciplinary literature discoverybasedon Rao-stirlingdiversity indices：case studies in nanoscienceand nanotechnology[J].Libr.Inf.Serv.，2018，62（1）：125-131.

[21]張琳，孫蓓蓓，黃穎.跨學科合作模式下的交叉科學測度研究——以ESI社會科學領域高被引學者為例[J].情報學報，2018，37（3）： 231-242.ZHANG L，SUN B B，HUANGY.Interdisciplinaritymeasurementbased oninterdisciplinarycollaborations：acasestudyon highly cited researchers of ESI social sciences[J].J.China Soc.Sci.Tech.Inf.，2018，37（3）：231-242.

[22]MOHR JW， BOGDANOV P. Introduction： topic models： whattheyare and why they matter[J].Poetics，2013，41（6）：545-569.

[23]劉冬東.新興交叉主題識別與引文擴散影響研究——以計算生物學領域為例[D].鄭州：華北水利水電大學，2020.LIUDD. The identification and citation diffusion impact of theemerginginterdisciplinary topics：a case studyof computationalbiology [D]. Zhengzhou：North China University of WaterResourcesandElectricPower，2020.

[24]熊回香，竇燕.基于LDA主題模型的標簽混合推薦研究[J].圖書情報工作，2018，62（3）：104-113.XIONG HX，DOUY.Research on taghybrid recommendationbased on LDA topic model [J].Libr.Inf. Serv.，2018，62（3）：104-113.

[25]肖國櫻.加快推進湖南省生物育種研究和產業化應用的建議[J].雜交水稻，2022，37（3）：1-6.XIAOG Y.Suggestions on accelerating the researchandapplication of bioengineered breeding in Hunan province [J].HybridRice，2022，37（3）：1-6.

[26]滕飛，張奇，曲建升，等.基于專利競爭力指數和Doc-LDA主題模型的關鍵核心技術識別研究——以新能源汽車為例[J].數據分析與知識發現，2024，8（11），33-46.TENGF，ZHANGQ，QUJS， et al.. Identification of keyandcore technologies based on patent competitiveness index andDoc-LDA topic model： a case study of new energy vehicles [J].DataAnal.KnowledgeDis.，2024，8（11），33-46.

[27]新牧網.牧原：飼料豆粕已降至 6.9% ，未來要做無豆日糧[EB/OL]. （2022-09-22） [2024-04-26]. https：//xinm123.nfncb.cn/qiyezixun/116849.html.

[28]LIU C，PENG P，LIW，etal..Deciphering variation of 239elite japonica rice genomes for whole genome sequences-enabled breeding[J].Genomics，2021，113（5）：3083-3091.

[29］科技日報.我母乳結構脂肪生產關鍵技術獲突破[EB/OL].（2023-12-20）[2024-04-26]. htps：//digitalpaper.stdaily.com/http_www.kjrb.com/kjrb/html/2023-12/20/content_564403.htm？div=-1.

[30]HUANG Z Y. Characterisation of dormancy cycling responsestoenvironmental signals in contrasting Arabidopsis thalinaecotypes[D].Warwick：UniversityofWarwick，2013.