开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
随着科技加速发展，创新难度日益提升，大量研究尝试通过整合不同领域知识方式寻求突破与发展[1]，这种领域间交叉融合的现象被定义为技术会聚。技术会聚是公认的创新源泉[2]，对主导新一轮技术革新具有积极推动作用[3]。由于技术会聚原因、目标对象、过程及结果不同，每个领域都会呈现出不同的技术会聚现象，同时，不同研究背景下同一领域的会聚作用也会呈现明显差异性。美国国家科学基金会(NSF)、商务部和国家科技委员会纳米科学工程与技术分委会在制定发展规划时，选取纳米技术(Nano)、生物技术(Bio)、信息技术(Information)以及认知科学(Cognitive science)4个学科领域作为发展技术会聚研究核心[4]。因此，测度技术会聚过程中不同领域的会聚影响力及价值，有助于判断技术潜力，识别前沿及核心技术领域。在科研层面上，会聚影响力挖掘能够为科研人员的科技创新提供有力的理论支撑。在机构层面上，识别领域会聚潜力能够为科研机构制定针对性决策提供参考，同时，也能够为国家科技战略部署提供有效依据。
以技术会聚中多领域交叉关系为视角，本文设计出一套测度会聚影响力方法及指标。针对研究方向中全部相关专利，提取其中的德温特分类代码信息，采用关联算法探测领域间会聚关系，构建多元交叉影响关系测度模型，建立多领域间影响关系网，运用特征向量中心度指标测度技术领域的会聚影响力，用以挖掘技术潜力，识别前沿领域。本文拟解决如下关键问题：①多元技术会聚视角下领域间的影响关系测度指标；②会聚影响力测度方法；③本文在实证分析的基础上，提出基于多元技术会聚的会聚影响力指标拓展应用。新的多元会聚关系综合测度指标通过改进原有测度指标的单一性与局限性，将原有二元关系评价拓宽至多元关系评价，采用更为精确的有向网络描绘领域间的影响关系，并将领域关系权重纳入测度标准，更为清晰地刻画领域节点属性，以节点网络属性展示领域网络结构关系。最后，以生物技术领域为实证对象，将测度结果与实际发展相结合，验证测度方法的有效性，说明测度结果对新兴技术挖掘及前沿趋势识别的价值与意义。
自2001年12月美国商务部、国家科学基金会和国家科技委员会共同提出了提升人类技能的会聚技术议题后[4]，欧盟委员会发起了“欧洲知识社会的会聚技术”规划，日本、韩国等也相继从国家层面提出技术会聚发展战略。这一系列举动引起了国内外学者对于会聚技术、共性技术以及技术会聚等相关议题的研究热潮。此外，科学计量学界的专家学者认为，技术会聚作为创新的动力及源泉，当下科技创新已然离不开技术会聚[2]。Jeffrey Alexander[5]在提出新兴技术的特点及属性时强调，新兴技术必然是通过多概念体系间的技术会聚产生的，且与其它领域存在越多关联的技术领域就越具有产生新兴技术的能力。美国国家情报局发布的“科学前瞻性与理解性阐释(FUSE)”项目将技术会聚性纳入新兴技术评价标准。复杂系统论学派在论述新兴本质及产生机制时，同样将领域间的会聚关系作为评价的核心要素[6-8]。随着会聚概念认知不断深入，会聚关系挖掘已经与新兴技术、主题及研究领域识别紧密相关。
根据Web of Science科技文献数据库与中国知网数据库(CNKI)中的技术会聚研究成果，从研究主题上看，当前技术会聚研究主要分为以下3个方面：一是从技术哲学层面探讨技术会聚对未来生活的影响，以及技术发展带来的改变[9, 10]。其中，Bostrom等[11]认为，技术会聚对人类的影响不仅限于宏观世界人类生活及科技水平变化，而是深入到基因、核心智力以及记忆等认知层面；二是技术会聚对机构创新发展的影响[12, 13]，主要围绕高校、企业及产业的产学研“三螺旋”协同发展模式，以及产业技术发展的会聚观等展开；三是技术会聚现象挖掘、识别以及相关指标测度[14-16]。其中，Jeong等[17]运用技术共类分析法测度整体会聚状态，从而预测演化技术会聚趋势；Cho等[14]将熵值法及重力概念引入技术会聚测度中，用以测度技术会聚过程中不同技术间的作用价值及约束力；栾春娟等[1]通过平均技术共类指数(MTCI) 测度领域间技术共类情况；黄鲁成等[15]通过交叉影响分析法挖掘专利信息中的技术会聚关系。
鉴于以上技术会聚研究现状，从研究层次上看，现有研究方法存在以下问题：①现有研究成果多从技术层面进行会聚技术挖掘、识别与评价，缺乏从宏观层面探索技术领域在会聚过程中的价值作用。根据Adner等[18]提出的观点，评价技术的新颖性必须考虑其所属研究领域，故对会聚关系测度亟待拓宽至领域层面；②从评价指标构建看，根据Ismael Rafols[19, 20]提出的跨领域关系评价观点，领域特征属性包括多样性、均匀性、差异性及一致性。现有技术会聚研究主要关注领域多样性、一致性及差异性评价，缺少对技术会聚过程中领域涉及的各种技术占比关系的均匀性属性评价，领域间的均匀性属性主要由领域间的节点关系以及边关系两方面评价加以体现。现有研究在测度节点关系时，多采用中介中心度指标、邻接中心度指标及度中心度等指标，忽略了领域影响力层级性与差异性；在评价边关系时，多采用交叉影响分析法、平均技术共类指数及链接频次等测度指标，上述测度方法多适用于二元会聚关系测度，缺少对领域间交互关系的识别，同时缺乏对技术会聚中多元会聚关系的描述。
为解决上述问题，本研究采用专利数据，以技术领域为研究对象，运用Apriori关联算法与改进后的多元交叉影响分析法挖掘领域间的会聚关系，并在此基础上引入特征向量中心度指标，量化不同权重下的领域会聚影响力。
本研究中的会聚影响力是指某个技术领域在技术会聚过程中对其它技术领域产生影响的程度，即针对目前已经发生技术会聚的研究领域进行探索，挖掘在会聚技术形成过程中，其它领域由于技术特征、生产需求等因素对某一领域专利技术的依赖程度。本研究旨在以多元技术会聚为视角，通过运用关联算法、交叉影响力分析模型及特征向量中心度指标，构建一套完整的会聚影响力定量测度方法及指标，从而准确描述技术会聚发生时相关领域的贡献及作用。
以多元技术会聚为视角的目的在于，现有技术会聚评价研究多是针对技术会聚中两个领域间的交叉关系展开评价及分析，这种两个领域间的知识体系交叉、碰撞进而影响新技术诞生的过程便是二元技术会聚，如图1(a)所示。然而，随着技术发展，仅靠两个领域交叉产生的会聚技术已经难以满足当前生产生活需要，许多领域之间已经开展知识交叉的多元技术会聚开发研究，如图1(b)所示。
图1 会聚技术产生途径
目前，多元技术会聚现象已经广泛存在于各技术领域产品研发过程，以2017—2018年生物技术领域相关专利为例，通过Apriori关联算法共探测得到32条明显的技术会聚关系，其中二元会聚关系共20条，三元技术会聚关系共11条，四元技术会聚关系为1条，表明在生物技术领域存在大量多元技术会聚关系。多元技术会聚关系的重要性主要表现为：二元技术会聚的20条关联关系中的18条已经体现在多元会聚关系中。由此可见，技术间的关系研究不能局限于二元关系，仅仅针对两个领域间的影响力及作用关系评价已经不能够准确描述技术发展过程。因此，顺应科学技术发展趋势，针对领域间的多元技术会聚关系展开评价及研究才是了解当前技术发展状态、识别前沿发展趋势的核心与重点。
在数据选取上，为准确标注发生技术会聚的各技术领域，选择世界专利数据库《德温特创新索引》 (Derwent Innovations Index)发布的专利信息，该数据库是目前世界上最全面的国际专利信息数据库，其涵盖的专利信息最早可追溯至1966年。考虑到不同国家及机构采用不同标准的国际专利分类号使用方式，德温特专利数据在给出国际专利分类号信息的同时[21]，构建了以专利家族结构为基本的专利分配方式[16]，并将该分类方式命名为德温特分类代码(DC)。德温特分类代码包括3大类20个学科类别，涵盖了现有全部技术内容，其中3大类别：A-M代表化学类专利技术、P-Q代表工程类专利技术、S-X代表电子及电气类专利技术。每个学科类别后都跟随一个数字用以表示相应专业。以医药领域为例，它隶属于化学领域，可用字母B表示，其中甾类化合物类药物用B01表示，含氟有机物类药物用B06表示。
在多元技术会聚研究中使用德温特分类代码作为描述专利学科技术类别的重要工具[22, 23]，能够使分析流程更为清晰，结果更为准确。其具体流程可以表述为：提取专利中的德温特分类代码信息，如果包含两个德温特分类代码，则表示该专利为两个领域间技术交叉的结果；若专利中包含多个德温特分类代码，则表示该技术是在多领域间技术会聚的基础上产生的。以某种消毒液类专利为例，该专利的德温特分类代码信息为D15；D16；P14，故该专利为3个领域D15、D16、P14的技术会聚所产生。
因此，以多元技术会聚为视角，依托德温特专利数据库，以分类代码中包含的领域信息为着眼点，对发生会聚的技术领域进行会聚影响力测度。通过Apriori关联算法探测发生技术会聚的关联组合，采用完善后的多元交叉影响分析法测度领域间的影响关系，并绘制技术会聚网络。在此基础上，运用特征向量中心度指标测度技术会聚过程中的领域会聚影响力。
本文构建的基于多元技术会聚的领域会聚影响力测度方法主要包括3个步骤：首先，运用Apriori关联算法从海量专利数据中挖掘出技术会聚关系；然后，通过多元技术会聚领域间影响力测度方法，计算领域间的关系及影响力强度；最后，绘制技术会聚中领域间关系网络，并运用特征向量中心度测度领域在技术会聚中所起到的会聚作用，具体研究框架如图2所示。
图2 会聚影响力测度技术路线
现有会聚研究通常直接对评价对象整体展开分析，分析方法包括领域权重及出现频次、领域网络结构及领域间的引文网络关系等[17, 24, 25]。在上述技术会聚领域间的关系评价对象中，往往存在大量非会聚技术，即评价对象中的某个专利并不是由技术会聚产生的或某领域仅在技术成果中起到微乎其微的作用并未达到技术会聚的程度。这一现象的存在必然会影响以网络评价为主体的技术会聚关系研究[26]，因此，应采用合适的方法挖掘出研究对象中实际发生的技术会聚关系，并在此基础上展开分析，从而得出准确的评价结果。
关联规则算法是数据挖掘中的常用算法，被用于探测事物间暗含的相互关系。1993年，Agrawal等[27]基于两阶段频繁项集理论，在关联规则的基础上提出Apriori算法，将关联规则挖掘研究设计分解为两个阶段：第一阶段，需要提前选定最小支持度(Smin)和最小置信度(Cmin)两项阈值，找出数据集中大于上述两项指标的全部项集(Itemset)，该项集被称为频繁项集(Frequent Itemset)；第二阶段则是在第一阶段的基础上从频繁项集中找出产生期望的规则。
将Apriori关联算法应用于技术会聚中的交叉技术识别及技术会聚组合挖掘，主要原因在于：①德温特专利数据库所收录的每条专利信息都标记有唯一的专利号信息(PN)及专利名称信息(TI)，与关联规则中的事务标志(TID)相对应；②每条专利信息中都包含多种不同类型、不同组合方式的德温特分类代码，这种由德温特分类代码构成的组合形式与关联规则中的事务(Transaction，T)属性相一致。相应地，最小支持度(Smin)和最小置信度(Cmin)两个阈值的计算公式如表1所示。在技术会聚关联规则测度中，置信度(C)表示A领域与B领域技术会聚所产生的专利数量占A领域专利总数的比例，即A领域专利与B领域专利技术发生技术会聚的可能性；支持度(S)表示A领域与B领域技术会聚所产生的专利数量在整体数据T中所占比例。在选取合适阈值参数后，就可以将研究对象中符合标准的技术会聚组合全部挖掘出来，用予领域间影响力关系分析及技术会聚网络绘制。
表1 技术会聚关联规则相关参数
参数解释说明计算公式置信度(C)表示A领域与B领域技术会聚所产生的专利数量占A领域专利总数的比例,即A领域的专利与B领域的专利技术发生技术会聚的可能性CA→B=T:A∩BT:A支持度(S)表示A领域与B领域技术会聚所产生的专利数量,在整体数据T中所占比例SA→B=T:A∩BT
现有研究中存在许多领域之间影响关系测度方法及指标，其中具有代表性的包括：基于领域间交叉专利数量与领域专利数量之和的比值构建的平均技术共类指数(MTCI)[1, 28]、利用评价领域间关系复杂性的熵值法测度领域间会聚关系[14]，以及其它运用社会网络分析指标测度领域关系的评价指标[29]。上述指标及方法可以为二元技术会聚中的领域关系评价提供参考，但并不适用于多元技术会聚影响力评价。鉴于此，本研究在原有交叉影响分析法的基础上进行改进，用以测度多元技术会聚中的领域影响关系。
(1)技术会聚领域影响关系测度方法及指标。交叉影响分析法(Cross Impact Analysis，CIA)最早由Gordon等[30]于1968年提出，主要应用于二元交叉关系测度，领域间的影响关系用Impact(A↔B)表示。在技术会聚过程中，A领域对B领域产生的影响力用Impact(A→B)表示，计算方式如式(1)所示。其中，N(A∩B) 表示A、B领域间会聚技术数量，N(B)表示B领域专利数量。同理，B领域对A领域的影响力如式(2)所示，N(A)表示A领域中的专利数量。
(1)
(2)
(2)二元领域影响关系测度的局限性。交叉影响法是一种较为成熟的二元网络关系测度指标，能够准确测度二元技术会聚中领域之间的影响力关系及大小：当Impact(A→B)值较大时，说明技术会聚过程中A领域对B领域具有显著影响；当Impact(A→B)值较小时，则说明A领域并未对B领域产生较大影响。同样，以相同的计算方法测度B领域对A领域的影响，从而避免以往研究将领域间的影响力关系视为一体的问题。
然而，当评价对象由二元技术会聚领域关系变为多元技术会聚领域间关系时，若依然采用二元技术会聚交叉影响法，就很难得到科学准确的测度结果。一方面，上述方法会造成领域间影响关系的重复测算，使得计算结果准确性降低。例如，三元技术会聚中，两个领域对某领域同时产生影响，直接采用交叉影响法会造成领域间影响力的重复计算，降低评价结果准确性；另一方面，直接运用二元技术会聚交叉影响法忽视了技术会聚中非直接耦合对于技术会聚关系的影响。非直接耦合(Nondirect coupling)是指两个技术间不存在直接关系，需通过与另一个技术结合才能够将3个技术完整地结合在一起[31]，三者关系如图3所示。这一类技术广泛存在于光学、电学、材料科学及软件工程等领域[32-34]，在测度其领域间的多元影响力大小及关系时，不能仅通过会聚技术数量评价领域影响力，而是需要按照其作用强度大小对影响关系重新进行测量。
图3 多元技术会聚领域间关系
(3)多元技术会聚领域影响关系测度。在多元技术会聚研究中，领域间的影响关系测度需要在二元技术会聚领域间关系测度的基础上充分考虑多元技术会聚中领域的作用强度。因此，采用多维度组合方式测度领域间关系，计算公式如式(3)所示。
=Impact(2)(A→B)+Impact(3)(A→B)+...+Impact(n)(A→B)
(3)
式(3)中，Impactmulti(A→B) 表示多元技术会聚测度中A领域对B领域的影响关系强度，Impact(2)(A→B)表示二元技术会聚中A领域对B领域的影响关系强度，Impact(3)(A→B)表示三元技术会聚中A领域对B领域的影响关系强度，Impact(n)(A→B)表示n元技术会聚中A领域对B领域的影响关系强度。N(A∩B∩C)表示A、B、C等3个领域相交产生的会聚技术数量，以此类推，N(A∩B∩...∩n)表示A、B…到n领域相交叉产生的会聚技术数量。PA表示A领域对该会聚技术投入的精力占总专利量的比例，其计算方法如式(4)所示。Pc表示C领域对于该会聚技术投入的精力，其计算方法如式(5)所示，依此类推。
(4)
(5)
该算法将二元技术会聚中A对B的影响力、三元技术会聚中领域A对领域B的影响关系，以及其后n元技术会聚中A对B的影响关系进行累加，从而得出领域A对领域B的综合影响关系。在测度技术会聚二元关系时，依然采用交叉影响法评价领域间的影响关系，而进行多元技术会聚关系的评价时，采用
比值分配方式，将领域间的影响关系按照投入精力大小分配给各个领域，即某一领域对会聚技术投入的精力越多，则该领域对技术会聚的产生影响越大，从而避免了影响力被重复计算的问题，同时也准确描述了非直接耦合技术的相互作用关系及影响力大小。
多领域技术会聚评价研究并不止步于技术会聚关系提取及领域间影响力测度，其重点应在保证上述研究准确性的基础上，指明具有技术前景及市场潜力的研究方向，识别具备创新潜能的研究领域，因此，选取准确的量化模型及评价指标十分关键[35]。在采用关联算法摒弃外界非关联技术对技术会聚测度的影响，运用多元技术会聚影响力分析法准确测度领域间的作用关系，并将结果绘制成为网络图谱的基础上，所选取的领域影响力特征评价指标必须将技术会聚过程中领域网络属性展现出来。
基于多领域交叉的网络图谱主要呈现出技术会聚过程中领域间的交互作用及研究主体的会聚网络结构。测度技术会聚过程中的领域影响力，仅采用度中心度、接近中心度及中介中心度等传统社会网络评价指标难以实现[26, 36-38]，需要将网络中各个领域(节点)的网络属性及影响力关系属性综合性地加以展现。如图4所示，假设A、B两个领域均对领域C产生相同的影响力，但A领域作为共性领域对网络中其它领域同样具有较强的影响力，而B领域则对网络中其它领域的影响力相对较弱，故测度A、B两个领域对C领域的作用时需考虑上述因素，不应认为二者影响具有相同的价值及作用。因此，本研究将特征向量中心度指标引入技术会聚领域影响力测度评价。
图4 会聚影响力测度
特征向量中心度指标在兼顾测度技术会聚网络属性及影响力属性的同时[39]，通过采用迭代算法测度技术会聚过程中不同领域间交叉融合的作用大小，准确展现出不同领域间影响力的差异性，从而更精确地描述技术领域会聚过程中对其它领域的影响力。特征向量中心度计算方法如式(6)所示，xv表示顶点v的特征向量中心度值，在会聚网络邻接矩阵中，若顶点v与t间存在联系，则av,t=1；若二者不存在联系则av,t=0，λ 是特征向量计算中的常数指标。通过运用特征向量中心度指标评价领域技术会聚，不仅能够测度领域发生会聚的频次，还强调了领域对于技术会聚发生的重要性，较其它网络指标更具综合性。
(6)
美国国家科学基金会发布的关于提升人类能力的会聚技术报告指出，生物技术将是未来技术会聚发展的核心及重点。故本研究将生物技术领域作为实证分析对象，挖掘其中的高会聚影响力领域，识别具有发展潜力的研究方向，为相关技术研究及发展提供借鉴。
检索式编辑选择世界经济合作与发展组织(OECD)针对生物技术领域最新发布的检索式：A01H-001/00 OR A01H-004/00 OR A61K-038/00 OR A61K-039/00 OR A61K-048/00 OR C02F-003/34 OR C07G-011/00 OR C07G-013/00 OR C07G-015/00 OR C07K-004/00 OR C07K-014/00 OR C07K-016/00 OR C07K-017/00 OR C07K-019/00 OR C12M OR C12N OR C12P OR C12Q OR C12S OR G01N-027/327 OR G01N-033/(53*,54*,55*,57*,68,74,76,78,88,92)。截至2018年9月(2017年始)，经检索清洗后共得到相关专利14 947条。
提取生物技术领域相关专利中所包含的全部德温特分类代码信息，并依据前文方法，在选取最小支持度为3%、最小置信度为80%的前提下，运用Apriori关联规则算法挖掘其中的技术会聚关系，关联结果如表2所示。其中，包括20条二元技术会聚组合、11条三元技术会聚组合以及一条四元技术会聚组合。
表2 生物技术领域技术会聚组合
技术会聚类别技术会聚组合二元技术会聚D16,B05; D16,D13; D16,B04; D16,D15; D16,C06; D16,P13; D16,S03; B04,S03; D16,A96; B04,A96; B04,B07; D16,B07; D16,P04; P13,T04; D15,Q42; D16,A97; D16,Q42; C06,T04; A96,A89; D16,A89三元技术会聚D16,P13,C06; D16,S03,B04; D16,A96,B04; D16,T04,P13; D16,B04,B07; D16,Q42,D15; C06,T04,P13; C06,T04,D16; D16,C06,B04; A96,A89,D16; D16,A97,P13四元技术会聚D16,T04,P13,C06
采用改进后的多元技术会聚交叉影响分析法测度领域间的影响关系，计算方法如式(3)所示。以德温特分类代码为C06代表的包含植物遗传学与兽医疫苗的生物技术类专利对P13代表的植物培育及乳制品生产工艺类专利的影响关系为例，两个领域多次共同出现于技术会聚组合中，计算过程如式(7)所示。
Impact(multi)(C06→P13)=Impact(4)(C06→P13)+Impact(3)(C06→P13)
(7)
通过该计算可以得出C06对P13的影响关系为0.504，两个领域间存在影响关系，而直接采用二元技术会聚方法无法挖掘出领域间的影响关系。通过该方法依次测度各领域间的影响关系，分别绘制出二元及多元技术会聚网络图谱(见图5)。其中，每个节点代表一个技术领域，领域间的连线表示二者之间存在影响关系，影响关系越强则箭头越大。
图5(a)为二元影响关系测度下的技术会聚网络图谱，图5(b)为多元影响关系测度下的技术会聚网络图谱，可以发现，采用多元影响关系测度方法得出的技术会聚网络可以展示出更多的领域间潜在关系。同时，能够明显发现：相对于二元影响关系测度方法，采用多元影响关系测度方法能够挖掘出更多技术会聚网络中的潜在关系，领域间关系被描述得更清晰明确，并减少了对冗余关系的计算。
(a)二元领域关系影响测度
(b)多元领域关系影响测度
图5 领域间影响关系网络
基于技术领域间交叉影响关系构建关系矩阵，并使用UCINET软件对矩阵进行特征向量中心度分析，得到该领域在生物技术领域中的会聚影响力强度，如表3所示。
表3 基于特征向量中心度的会聚影响力
序号分类代码特征向量中心度序号分类代码特征向量中心度1D160.6098C060.2082B040.4019S030.1943A960.2610D130.1924D150.24811T040.1655B050.23112A970.146P130.21113A890.1397B070.20814Q420.12
其中，会聚影响力最强的领域为D16代表的包含发酵设备以及酿造、酵母生产工艺、制药和其它化学品发酵、微生物学、疫苗和抗体生产、细胞和组织培养及基因工程在内的发酵工业类专利，该研究领域是目前最具会聚影响力的领域。在生物技术研究领域，这类技术容易与其它方向的技术相结合，其研究结果对其它相关研究也具有借鉴意义。其它具有较强会聚影响力的领域还包括B04代表的体液检测、致病微生物检测、DNA检验以及RNA生产等天然产物及聚合物类专利，以及A96代表的医疗、牙科、收益、化妆品类专利。
识别前沿领域，挖掘出具有技术会聚潜能的领域，为科研人员提供有力理论支持和方向指引是技术分析研究的核心及重点。本文以技术会聚中的领域为研究主体，将会聚关系与领域产生新兴技术的能力相结合，从会聚视角量化领域的新颖性。为解决过往会聚关系测度中均匀性、差异性及一致性3个重要评价维度无法兼顾的问题，本文提出了一套新的测度指标。
(1)引入德温特专利数据库中独有的专利分类代码信息作为技术领域划分标准，确保技术领域划分的准确性。
(2)为解决过往研究中领域关系测量存在噪音信息的问题，根据技术会聚形成特点，采用关联规则算法挖掘研究主题中已然形成的会聚关系，从而避免了噪音信息对评价结果的影响，确保测度结果的稳定性。
(3)以Ismael Rafols提出的跨领域关系观点为领域评价指标设计依据，在交叉影响分析法的基础上构建多元技术会聚影响关系测度模型，挖掘出会聚关系网络中领域间的潜在关系，测度结果展现了领域的均匀性及多样性。
(4)在准确描述多元会聚网络中领域关系的基础上，将网络分析思想引入多元技术会聚中的领域会聚影响力评价，将技术会聚影响力指标与特征向量中心度相结合，实现对领域差异性与一致性评价，使该评价指标在填补原有评价指标维度空白的同时，能够准确描述技术领域会聚影响力。
本研究在完善技术会聚领域间影响关系测度方法与指标的同时，以技术会聚发展最为活跃的生物技术领域为例进行实证分析。结果表明，改进后的多元影响关系测度模型能够挖掘出领域间更多潜在会聚关系，同时关系测度结果也更为准确。将特征向量中心度指标引入会聚影响力测度，能够描绘领域在技术会聚过程中的价值，为挖掘技术潜力，识别新兴领域提供帮助。
本研究尚存一定的不足之处，例如在实证分析中仅选取了德温特专利数据库中近两年的生物技术领域相关专利，未能顾及过往数据信息，因此得出的结论可能更适用于最新成果。期望未来能够将研究范围拓宽至整个领域的全部数据，从而更为全面深刻地揭示生物技术领域的技术会聚特征及不同阶段的研发核心。
[1] 栾春娟, 刘则渊, 王贤文. 发散与收敛:技术关联度的演变趋势分析——以全球太阳能技术的专利计量为例[J]. 研究与发展管理，2013, 25(4): 87-95.
[2] YOU Y B, KIM B K, JEONG E S. An exploratory study on the development path of converging technologies using patent analysis: the case of nano biosensors[J]. Asian Journal of Technology Innovation,2014, 22(1): 100-113.
[3] LEE W S, HAN E J, SOHN S Y. Predicting the pattern of technology convergence using big-data technology on large-scale triadic patents[J]. Technological Forecasting & Social Change,2015(100): 317-329.
[4] WOLBRING G. Why NBIC? why human performance enhancement[J]. Innovation the European Journal of Social Science Research, 2008, 21(1): 25-40.
[5] ALEXANDER J, CHASE J, NEWMAN N, et al. Emergence as a conceptual framework for understanding scientific and technological progress[C]. Technology Management for Emerging Technologies, 2012.
[6] ROTOLO D, HICKS D, MARTIN B R. What is an emerging technology[J]. Research Policy,2015, 44(10): 1827-1843.
[7] HAAN J D. How emergence arises[J]. Ecological Complexity，2006, 3(4): 293-301.
[8] PORTER AL, GARNER J, CARLEY S F, et al. Emergence scoring to identify frontier R&D topics and key players[J]. Technological Forecasting & Social Change, 2018(4): 804.
[9] 刘娜, 毛荐其, 余光胜. 技术会聚研究探析与展望[J]. 科研管理, 2017, 38(12): 20-28.
[10] FORSBERG E M, SHELLEYEGAN C, THORSTENSEN E, et al. Evaluating ethical frameworks for the assessment of human cognitive enhancement applications[J]. SpringerBriefs in Ethics,2017(5).
[11] BOSTROM N, SANDBERG A. Cognitive enhancement: methods, ethics, regulatory challenges[J]. Science & Engineering Ethics, 2009, 15(3): 311-341.
[12] LEE C, PARK G, KANG J. The impact of convergence between science and technology on innovation[J]. Journal of Technology Transfer,2018, 43(1): 1-23.
[13] PRESCHITSCHEK N, NIEMANN H, LEKER J, et al. Anticipating industry convergence: semantic analyses vs IPC co-classification analyses of patents[J]. Foresight, 2013, 15(6): 446-464.
[14] CHO Y, KIM M. Entropy and gravity concepts as new methodological indexes to investigate technological convergence: patent network-based approach[J]. Plos One, 2014, 9(6): 89.
[15] 黄斌, 黄鲁成, 吴菲菲,等. 基于专利交叉影响分析法的技术影响关系研究[J]. 科技管理研究，2015, 337(15): 147-151.
[16] 栾春娟. 技术部类内部会聚指数的测度方法与指标[J]. 科技进步与对策, 2015 (19): 126-129.
[17] JEONG S, KIM J C, CHOI J Y. Technology convergence: what developmental stage are we in[J]. Scientometrics, 2015, 104(3): 1-31.
[18] ADNER R, LEVINTHAL D A. The emergence of emerging technologies[J]. California Management Review,2002, 45(1): 50-66.
[19] RAFOLS I, MEYER M. Diversity and network coherence as indicators of interdisciplinarity: case studies in bionanoscience[J]. Scientometrics,2009, 82(2): 263-287.
[20] 黄鲁成, 郭彦丽, 吴菲菲,等. 新兴技术跨领域评价方法研究——以3D打印技术为例[J]. 中国科技论坛,2015 (5): 42-47.
[21] LEYDESDORFF L, KUSHNIR D, RAFOLS I. Interactive overlay maps for US patent (USPTO) data based on international patent classification (IPC) [M]. New York :Springer-Verlag, 2014.
[22] GEUM Y, KIM C, LEE S, et al. Technological convergence of IT and BT: evidence from patent analysis[J]. ETRI Journal, 2012, 34(3): 439-449.
[23] 栾春娟, 侯海燕, 王贤文. 全球科学仪器与工程仪器的发展特征比较——基于专利计量视角[J]. 科学学研究,2013, 31(11): 1606-1614.
[24] CHOI JY, JEONG S, KIM K. A study on diffusion pattern of technology convergence: patent analysis for Korea[J]. Sustainability,2015, 7(9): 11546-11569.
[25] KARVONEN M, K
SSI T. Patent citations as a tool for analysing the early stages of convergence[J]. Technological Forecasting & Social Change, 2013, 80(6): 1094-1107.
[26] BRANDES U, BORGATTI S P, FREEMAN L C. Maintaining the duality of closeness and betweenness centrality [J]. Social Networks,2016(44): 153-159.
[27] 蔡伟杰, 张晓辉, 朱建秋,等. 关联规则挖掘综述[J]. 计算机工程,2001, 27(5): 31-33.
[28] 栾春娟, 侯剑华, 王贤文,等. 全球竞争对手的技术网络绘制与共性技术识别——以波音与空客为例[J]. 科技进步与对策,2014, 31(2): 71-78.
[29] KRANAKIS E. Advances in network analysis and its applications[J]. Mathematics in Industry,2013(18):78.
[30] GORDON T J, HAYWARD H. Initial experiments with the cross impact matrix method of forecasting[J]. Futures, 1968, 1(2): 100-116.
[31] KNILL E, LAFLAMME R, MILBURN G J. A scheme for efficient quantum computation with linear optics[J]. Nature, 2001, 409(16): 46.
[32] POUDEL B, HAO Q, MA Y，et al. High thermoelectric performance of nanostructured bismuth antimony telluride bulk alloys[J]. Science,2008, 320(58): 634.
[33] DAY G S. The capabilities of market-driven organizations[J]. Journal of Marketing. 1994, 58(4): 37-52.
[34] MILLER R, NORTHUP T E, BIRNBAUM K M,et al. Trapped atoms in cavity QED: coupling quantized light and matter[J]. Journal of Physics B Atomic Molecular & Optical Physics,2005, 38(9): S551-S565.
[35] NEWMAN M. Networks: an introduction[J]. Astronomische Nachrichten,2010, 327(8): 741-743.
[36] FREEMAN L C. A set of measures of centrality based on betweenness[J]. Sociometry, 1977, 40(1): 35-41.
[37] BRANDES U. A faster algorithm for betweenness centrality[J]. Journal of Mathematical Sociology, 2001, 25(2): 163-177.
[38] BORGATTI S P. Centrality and network flow[J]. Social Networks, 2005, 27(1):55-71.
[39] NEWMAN M E J. Mathematics of Networks[M].New York: Springer, 2008.