2018谷歌學術影響因子發布：NIPS首次躍進Top 100，CVPR排名泛AI領域第一

安妮 雷剛 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

學術出版哪家強？AI論文影響力是否又有新變化？

剛剛，谷歌發布了2018年最新版學術指標（Google Scholar Metrics，GSM）榜單。通過綜合衡量學術會議和期刊論文中已發表的論文，谷歌對學術出版物及論文的影響力做出了排名。

在這份新出爐的榜單中，所有學術出版物中影響力Top 3是誰？對學術圈產生核彈式影響的那篇論文又出自誰手？人工智慧領域期刊和頂會與歷年相比有何變化，反映了什麼問題？

別急，在接下來的內容中，量子位將一一介紹。要發車了，你準備好了么？

評價指標

和去年一樣，2018年谷歌學術指標將出版物的範圍劃定至最近5年，即對2013年至2017的學術期刊論文及計算機科學和電氣工程的相關會議論文進行評估。

和SCI影響因子的評估標準不同，谷歌主要依據3個評價因素：

h指數(h-index)：所有發表論文中，至少有h篇分別被引用了至少h次，則期刊/會議的h指數為h

h核心(h-core)：指期刊/會議引用最多的h篇論文

h中值(h-median)：h核心中引用次數的中位數

舉個，若某期刊共發表5篇論文，被引用次數分別為17、9、6、3和2次，則該雜誌的h指數為3，h核心為被引用了17，9、6次的那幾篇論文，h中值為9。

依據這樣的標準，谷歌揭曉了所有領域學術出版物影響力最強的Top 100榜。不難發現，人工智慧領域的期刊和會議，明顯呈現上升勢頭。

NIPS首次躋身Top 100

先看所有學術領域的Top 100榜局勢如何——

影響力最高出版物Top 100榜單

和去年一樣，Nature、The New England Journal of Medicine（《新英格蘭醫學雜誌》）和Science還是雷打不動的前三名。

高居榜首的Nature中，目前被引次數最高的論文來自AI領域，題目極為簡明：

Deep Learning。

這是一篇綜述，由深度學習「三巨頭」共同打造，發表於2015年5月，被引用次數已經達到8519次，比第二名高出3000多次。

要知道，谷歌去年放榜時，它在Nature論文中還只是排在第7，只被引用了2904次。

如果你還沒有讀過，這裡有Hinton放出的PDF版：

https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf

地位飆升的不止這篇論文。人工智慧相關學術會議的排名也在提升。

Top 100去年今年榜單對比可發現，CVPR的排名相比提升15名，位列No.20。而NIPS發力更猛，今年首次躋身Top 100榜，位居第54名，AI領域研究上升勢頭明顯。

無論CVPR還是NIPS，都是人工智慧領域大家非常熟悉的頂級會議了。

CVPR（IEEE Conference on Computer Vision and Pattern Recognition）即IEEE國際計算機視覺與模式識別會議，一年舉辦一次。

而NIPS（Conference on Neural Information Processing Systems），全稱神經信息處理系統大會，是每年12月舉辦的國際會議。不過，明年NIPS可能就要更名了。今年春天曾有一眾大佬「死磕」NIPS，稱這名字涉及色情和仇日，執行委員會目前正在討論新名字~

其實，過去5年里，人工智慧相關出版物的h指數也一直在提高，量子位直觀地展示一下它們的上升速度：

CVPR一直遙遙領先，而NIPS上升勢頭非常迅猛，ICCV略遜一籌，之後是ICML和ECCV。計算機視覺期刊TPAMI五年來變化並不明顯。

在這份Top 100榜下，谷歌還將英文出版物分為8類研究方向：

商業、經濟和管理

化學和材料科學

工程和計算機科學

健康和醫學科學

人文、文學和藝術

生命科學和地球科學

物理和數學

社會科學

上述每個方向均有若干更細小的具體研究領域。在工程和計算機科學分之下，還包含著人工智慧、計算機視覺、機器人等58個領域的Top 20子榜單。

泛AI領域排名總結

首先根據最新發布的榜單，量子位總結了一下在泛人工智慧領域，討論較多的知名學術會議或者期刊的2018年排名情況。

所謂泛人工智慧領域，對應AI、CV、機器人、大數據等多個細分領域。以下是我們總結的情況：

CVPR

IEEE Conference on Computer Vision and Pattern Recognition, CVPR

h5-index:188

NIPS

Neural Information Processing Systems (NIPS)

h5-index:134

ICCV

IEEE International Conference on Computer Vision

h5-index:124

TPAMI

IEEE Transactions on Pattern Analysis and Machine Intelligence

h5-index:118

ICML

International Conference on Machine Learning (ICML)

h5-index:113

ECCV

European Conference on Computer Vision

h5-index:104

ESA

Expert Systems with Applications

h5 指數:92

ACL

Meeting of the Association for Computational Linguistics (ACL)

h5-index:87

KDD

ACM SIGKDD International Conference on Knowledge Discovery and Data Mining

h5-index:77

EMNLP

Conference on Empirical Methods in Natural Language Processing (EMNLP)

h5-index:76

ICRA

IEEE International Conference on Robotics and Automation

h5-index:75

AAAI

AAAI Conference on Artificial Intelligence

h5-index:69

IJCAI

International Joint Conference on Artificial Intelligence (IJCAI)

h5-index:61

各子榜單究竟如何？我們接著一個個看。

人工智慧

在人工智慧類目Top 20榜下，排名第1的是後起之秀NIPS，h5指數134，高於第2名ICML 21分。

人工智慧影響力Top 20榜

在NIPS中，影響力Max的論文出自谷歌技術大牛Jeff Dean之手，論文題目為Distributed Representations of Words and Phrases and their Comp。

亞軍ICML(International Conference on Machine Learning)的研究範圍不難理解，其又稱為國際機器學習大會，由國際機器學習學會主辦，每年舉辦一次。

位列季軍寶座的是英國期刊Expert Systems with Applications，主要研究方向包括信息科學、電子學、信息處理方法與技術。在谷歌學術指標中，其h5指數為92。

排名第4和第5的期刊均來自IEEE，這個建立於1963年的學會目前擁有來自175個國家的36萬會員，且每個會員在研究中都「身懷絕技」。

其中，期刊IEEE Transactions On Systems, Man And Cybernetics Part B, Cybernetics主要研究人類、機器和組織在架構或神經層面的交流和控制，現已更名為IEEE Transactions on Cybernetics。

位列老5的兄弟期刊IEEE Transactions on Neural Networks and Learning Systems主要涉及神經網路和相關學習系統的理論，設計和應用的技術文章。

在Top 20的榜單中，我們熟悉的AAAI（美國人工智慧協會）協會舉辦的年度大會位列11，但h5指數只有69，和前幾名拉開了明顯差距。

人工智慧Top 20地址：

https://scholar.google.com/citations?view_op=top_venues&hl=zh-CN&vq=eng_artificialintelligence

計算機視覺和模式識別

和人工智慧分榜百家齊放、百花爭鳴不同的是，視覺與模式識別類目中Top 5均和IEEE有關有關。

在計算機視覺與模式識別類目Top 20榜下，CVPR位居首位，h5指數188，與第二名ICCV拉開了64分的差距。

視覺與模式識別影響力Top 20榜

頂會CVPR是IEEE Conference on Computer Vision and Pattern Recognition的縮寫，即IEEE國際計算機視覺與模式識別會議。

而國際計算機視覺大會ICCV，也由IEEE主辦，與排名第4的CVPR和歐洲計算機視覺會議（ECCV）並稱計算機視覺方向的三大頂級會議。ICCV論文錄用率非常低，是三大會議中公認級別最高的。

此外，前5名的機構還包括計算機視覺及模式識別領域最頂尖的SCI期刊TPAMI，和圖像處理及計算機視覺領域公認的國際頂級期刊TIP（IEEE Transactions on Image Processing），它側重圖像處理的前沿理論與方法，需要非常強的創新性。

其中，CVPR中引用次數最高的論文出自華人團隊。

2016年發表的論文Deep Residual Learning for Image Recognition影響力最高，引用次數10480次，其作者為當時微軟亞洲研究院的何愷明，張祥雨，任少卿和孫劍。

如今，何愷明已前往Facebook AI研究院，張祥雨和孫劍就職曠視科技研究院，任少卿則成為自動駕駛公司Momenta聯合創始人和研發總監。

引用數第二的論文為Going Deeper With Convolutions，發表於2015年，主要介紹了谷歌的GoogLeNet。去年的統計中，該論文還是引用次數最多的CV領域論文，不過現已被ResNet超越~

視覺與模式識別Top 20地址：

https://scholar.google.com/citations?hl=zh-CN&vq=eng_computervisionpatternrecognition&view_op=list_hcore&venue=w44irn7CFc0J.2018

計算語言學

計算語言學影響力Top 20榜

在語言學領域，已經形成一家獨大的趨勢，影響力前五的期刊/會議均屬ACL家族。

其中，ACL(The Association for Computational Linguistics，國際計算語言學會）影響力最高，h5指數87。成立於1962年的ACL於今年正式成立ACL亞太分會（AACL），首屆預計於2020年舉行，此後將每兩年舉行一次。

EMNLP全稱自然語言處理實證方法會議（Conferenceon Empirical Methods in Natural Language Processing），由ACL學會下屬特殊興趣小組SIGDAT組織，每年召開一次。

NAACL HLT名義上是ACL北美分會，但在NLP圈裡也是無可爭議的頂級會議，名稱中的 HLT也直接表示了對於人類語言處理技術的關注。

SemEval全稱國際語義評測比賽（International Workshop on Semantic Evaluation），為ACL下屬的SIGLEX主辦。TACL（Transactions of the Association for Computational Linguistics，）是ACL旗下期刊。

其中，引用次數最多的ACL論文是The Stanford CoreNLP Natural Language Processing Toolkit，它發表於2014年，引用數達2537，為CD Manning, M Surdeanu, J Bauer, JR Finkel, S Bethard, D McClosky等人所作。

計算語言學Top 20榜傳送門：

https://scholar.google.com/citations?view_op=top_venues&hl=zh-CN&vq=eng_computationallinguistics

機器人

機器人類目影響力Top 20榜

在機器人類目中，ICRA以h5指數75位居榜首。ICRA全稱IEEE International Conference on Robotics and Automation，是IEEE機器人與自動化學會主持的旗艦會議。

TM（IEEE/ASME Transactions on Mechatronics）位居第二，是機器人與機電系統領域頂級期刊，h5指數62。

IJRR（The International Journal of Robotics Research，國際機器人研究雜誌），h5指數61位居分榜季軍。此外，前五名還包括智能機器人與系統國際會議ICIRS，和機器人領域國際頂級期刊TR（IEEE Transactions on Robotics）。

這樣看來，和語言學ACL家族一家獨大類似，機器人類目下頂會和期刊大多隸屬於IEEE家族。

其中，引用次數最多的論文為SVO: Fast semi-direct monocular visual odometry，發表於2014年，作者為C Forster, M Pizzoli和D Scaramuzza三人。

想圍觀機器人子榜單可前往：

https://scholar.google.com/citations?view_op=top_venues&hl=zh-CN&vq=eng_robotics

傳送門

完整分類版榜單，可以科學移步谷歌2018年學術指數榜單首頁：

https://scholar.google.com/citations?view_op=top_venues&hl=zh-CN&vq=en

官方博客上面還有介紹：

https://scholar.googleblog.com/2018/08/scholar-metrics-provide-easy-way-for.html

祝天下所有研究人員學有所得。

作者系網易新聞·網易號「各有態度」簽約作者

—完—

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！