3517人阅读
AI会议排名_周志华
南京大学周志华教授写的一个很经典的帖子。不过IJCAI能不能算成是no.1的会议有待商榷，不过总体还算客观！
说明:&纯属个人看法,&仅供参考.
tier-1的列得较全, tier-2的不太全, tier-3的很不全.
同分的按字母序排列.&不很严谨地说,
tier-1是可以令人羡慕的, tier-2是可以令
人尊敬的,由于AI的相关会议非常多,&所以能列进tier-3的也是不错的
IJCAI (1+): International Joint Conference on Artificial Intelligence AAAI (1): National Conference on Artificial Intelligence
COLT (1): Annual Conference on Computational Learning Theory
CVPR (1): IEEE International Conference on Computer Vision and Pattern&&&Recognition
ICCV (1): IEEE International Conference on Computer Vision
ICML (1): International Conference on Machine Learning
NIPS (1): Annual Conference on Neural Information Processing Systems
ACL (1-): Annual Meeting of the Association for Computational Linguistics
KR (1-): International Conference on Principles of Knowledge Representation&&&and Reasoning
SIGIR (1-): Annual International ACM SIGIR Conference on Research and Development in Information Retrieval
SIGKDD (1-): ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
UAI (1-): International Conference on Uncertainty in Artificial Intelligence
*Impact factor (According to Citeseer 03):
IJCAI&：1.82
(top 4.09 %)
AAAI&：1.49
(top 9.17%)
COLT：1.49
(top 9.25%)
ICCV&：1.78
(top 4.75%)
ICML&：2.12
(top 1.88%)
NIPS&：1.06
(top 20.96%)
ACL&：1.44
(top 10.07%)
(top 4.99%)
SIGIR&：1.10
(top 19.08%)
Average：1.56
(top 8.02%)
IJCAI (1+): AI最好的综合性会议,
1969年开始,&每两年开一次,&奇数年开.&因为AI&实在太大,所以虽然每届基本上能录100多篇（现在已经到200多篇了），但分到每个
领域就没几篇了，象achine learning、computer vision这么大的领域每次大概也 就10篇左右,&所以难度很大.&不过从录用率上来看倒不太低,基本上20%左右,&因为内
行人都会掂掂分量,&没希望的就别浪费reviewer的时间了.&最近中国大陆投往国际会
议的文章象潮水一样,&而且因为国内很少有能自己把关的研究组,&所以很多会议都在&complain说中国的低质量文章严重妨碍了PC的工作效率.&在这种情况下,&估计这几年
国际会议的录用率都会降下去.&另外,&以前的IJCAI是没有poster的,
03年开始,&为了 减少被误杀的好人,&增加了2页纸的poster.值得一提的是,
IJCAI是由貌似一个公司 的”IJCAI Inc.”主办的(当然实际上并不是公司,&实际上是个基金会),&每次会议上要
发几个奖,&其中最重要的两个是IJCAI Research Excellence Award&和&Computer
& Thoughts Award,&前者是终身成就奖,&每次一个人,&基本上是AI的最高奖(有趣的是,&以AI为主业拿图灵奖的6位中,有2位还没得到这个奖),&后者是奖给35岁以下的
青年科学家,&每次一个人.&这两个奖的获奖演说是每次IJCAI的一个重头戏.另外,
IJCAI&的&PC member&相当于其他会议的area chair,&权力很大,因为是由PC
member&去找&reviewer&来审,&而不象一般会议的PC
member其实就是&reviewer.&为了制约 这种权力, IJCAI的审稿程序是每篇文章分配2位PC
member, primary PC member去找3位reviewer, second PC member&找一位.
AAAI (1):&美国人工智能学会AAAI的年会.&是一个很好的会议,&但其档次不稳定,&可&&&以给到1+,也可以给到1-或者2+,&总的来说我给它”1″.&这是因为它的开法完全受&IJCAI制约:&每年开,&但如果这一年的&IJCAI在北美举行,&那么就停开.&所以,&偶数年
里因为没有IJCAI,&它就是最好的AI综合性会议,&但因为号召力毕竟比IJCAI要小一些,&特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是),&所以比IJCAI还是要稍弱
一点,&基本上在1和1+之间;&在奇数年,&如果IJCAI不在北美,
AAAI自然就变成了比&&&IJCAI低一级的会议(1-或2+),&例如2005年既有IJCAI又有AAAI,&两个会议就进行了协
调,&使得IJCAI的录用通知时间比AAAI的deadline早那么几天,&这样IJCAI落选的文章
可以投往AAAI.在审稿时IJCAI&的&PC
chair也在一直催,&说大家一定要快,&因为AAAI&那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.
COLT (1):&这是计算学习理论最好的会议,
ACM主办,&每年举行.&计算学习理论基本上可以看成理论计算机科学和机器学习的交叉,&&&所以这个会被一些人看成是理论计算
机科学的会而不是AI的会.&我一个朋友用一句话对它进行了精彩的刻画:
“一小群数 学家在开会”.&因为COLT的领域比较小,&所以每年会议基本上都是那些人.&这里顺便
提一件有趣的事,&因为最近国内搞的会议太多太滥,&而且很多会议都是LNCS/LNAI出
论文集, LNCS/LNAI基本上已经被搞臭了,&但很不幸的是,
LNCS/LNAI中有一些很好的 会议,&例如COLT.
CVPR (1):&计算机视觉和模式识别方面最好的会议之一,
IEEE主办,&每年举行.&虽然题 目上有计算机视觉,&但个人认为它的模式识别味道更重一些.&事实上它应该是模式识
别最好的会议,&而在计算机视觉方面,&还有ICCV&与之相当.
IEEE一直有个倾向,&要把 会办成”盛会”,&历史上已经有些会被它从quality很好的会办成”盛会”了.
CVPR搞不好 也要走这条路.&这几年录的文章已经不少了.&最近负责CVPR会议的TC的chair发信
说,&对这个community来说,&让好人被误杀比被坏人漏网更糟糕,&所以我们是不是要减
少好人被误杀的机会啊?&所以我估计明年或者后年的CVPR就要扩招了.
ICCV (1):&介绍CVPR的时候说过了,&计算机视觉方面最好的会之一.
IEEE主办,&每年举行.
ICML (1):&机器学习方面最好的会议之一.&现在是IMLS主办,&每年举行.&参见关于NIPS的&&&介绍.
NIPS (1):&神经计算方面最好的会议之一,
NIPS主办,&每年举行.&值得注意的是,&这个会
每年的举办地都是一样的,&以前是美国丹佛,&现在是加拿大温哥华;&而且它是年底开会,&会开完后第2年才出论文集,&也就是说,
NIPS’05的论文集是06年出.&会议的名字&&&“Advances
in Neural Information Processing Systems”,&所以,&与ICML\ECML这样 的”标准的”机器学习会议不同,
NIPS里有相当一部分神经科学的内容,&和机器学习有 一定的距离.&但由于会议的主体内容是机器学习,&或者说与机器学习关系紧密,&所以
不少人把NIPS看成是机器学习方面最好的会议之一.&这个会议基本上控制在Michael
Jordan的徒子徒孙手中,&所以对Jordan系的人来说,&发NIPS并不是难事,&一些未必很
强的工作也能发上去,&但对这个圈子之外的人来说,&想发一篇实在很难,&因为留给”外
人”的口子很小.&所以对Jordan系以外的人来说,&发NIPS的难度比ICML更大.&换句话说,
ICML比较开放,&小圈子的影响不象NIPS那么大,&所以北美和欧洲人都认,&而NIPS则有
些人(特别是一些欧洲人,&包括一些大家)坚决不投稿.&这对会议本身当然并不是好事,&&&但因为Jordan系很强大,&所以它似乎也不太care.&最近IMLS(国际机器学习学会)改选
理事,&有资格提名的人包括近三年在ICML\ECML\COLT发过文章的人,
NIPS则被排除在 外了.&无论如何,&这是一个非常好的会.
ACL (1-):&计算语言学/自然语言处理方面最好的会议,
ACL (Association of&&&Computational Linguistics)&主办,&每年开.
KR (1-):&知识表示和推理方面最好的会议之一,&实际上也是传统AI(即基于逻辑的AI)&最好的会议之一.
KR Inc.主办,&现在是偶数年开.
SIGIR (1-):&信息检索方面最好的会议,
ACM主办,&每年开.&这个会现在小圈子气越来 越重.&信息检索应该不算AI,&不过因为这里面用到机器学习越来越多,&最近几年甚至
有点机器学习应用会议的味道了,&所以把它也列进来.
SIGKDD (1-):&数据挖掘方面最好的会议,
ACM主办,&每年开.&这个会议历史比较短,&&&毕竟,&与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿.&在几年前还很难把它列
在tier-1里面,&一方面是名声远不及其他的&top
conference响亮,&另一方面是相对容易 被录用.&但现在它被列在tier-1应该是毫无疑问的事情了.
UAI (1-):&名字叫”人工智能中的不确定性”,&涉及表示\推理\学习等很多方面,
AUAI&&(Association of UAI)&主办,&每年开.
AAMAS (2+): International Joint Conference on Autonomous Agents and&&&Multiagent Systems
ECCV (2+): European Conference on Computer Vision
ECML (2+): European Conference on Machine Learning
ICDM (2+): IEEE International Conference on Data Mining
SDM (2+): SIAM International Conference on Data Mining
ICAPS (2): International Conference on Automated Planning and Scheduling
ICCBR (2): International Conference on Case-Based Reasoning
COLLING (2): International Conference on Computational Linguistics
ECAI (2): European Conference on Artificial Intelligence
ALT (2-): International Conference on Algorithmic Learning Theory
EMNLP (2-): Conference on Empirical Methods in Natural Language Processing
ILP (2-): International Conference on Inductive Logic Programming
PKDD (2-): European Conference on Principles and Practice of Knowledge&&&Discovery in Databases
*Impact factor (According to Citeseer 03):
ECCV&：1.58
(top 7.20 %)
ECML&：0.83
(top 30.63 %)
ICDM&：0.35
(top 59.86 %)
ICCBR&：0.72
(top 36.69 %)
ECAI&：0.69
(top 38.49 %)
ALT&：0.63
(top 42.91 %)
ILP&：1.06
(top 20.80 %)
PKDD&：0.50
(top 51.26 %)
Average：0.80
(top 32.02%)
AAMAS (2+): agent方面最好的会议.&但是现在agent已经是一个一般性的概念,&&&几乎所有AI有关的会议上都有这方面的内容,&所以AAMAS下降的趋势非常明显.
ECCV (2+):&计算机视觉方面仅次于ICCV的会议,&因为这个领域发展很快,&有可能
升级到1-去.
ECML (2+):&机器学习方面仅次于ICML的会议,&欧洲人极力捧场,&一些人认为它已经是1-了.&我保守一点,&仍然把它放在2+.&因为机器学习发展很快,&这个会议的reputation上升非常明显.
ICDM (2+):&数据挖掘方面仅次于SIGKDD的会议,&目前和SDM相当.&这个会只有5年历史,&上升速度之快非常惊人.&几年前ICDM还比不上PAKDD,&现在已经拉开很大距离了.
SDM (2+):&数据挖掘方面仅次于SIGKDD的会议,&目前和ICDM相当.
SIAM的底子很厚,&但在CS里面的影响比ACM和IEEE还是要小,
SDM眼看着要被ICDM超过了,&但至少目前还是相当的.
ICAPS (2):&人工智能规划方面最好的会议,&是由以前的国际和欧洲规划会议合并来的.&因为这个领域逐渐变冷清,&影响比以前已经小了.
ICCBR (2): Case-Based Reasoning方面最好的会议.&因为领域不太大,&而且一直半冷不热,&所以总是停留在2上.
COLLING (2):&计算语言学/自然语言处理方面仅次于ACL的会,&但与ACL的差距比ICCV-ECCV和ICML-ECML大得多.
ECAI (2):&欧洲的人工智能综合型会议,&历史很久,&但因为有IJCAI/AAAI压着,很难往上升.
ALT (2-):&有点象COLT的tier-2版,&但因为搞计算学习理论的人没多少,&做得好的数来数去就那么些group,&基本上到COLT去了,&所以ALT里面有不少并非计算学习理论的内容.
EMNLP (2-):&计算语言学/自然语言处理方面一个不错的会.&有些人认为与COLLING相当,&但我觉得它还是要弱一点.
ILP (2-):&归纳逻辑程序设计方面最好的会议.&但因为很多其他会议里都有ILP方面的内容,&所以它只能保住2-的位置了.
PKDD (2-):&欧洲的数据挖掘会议,&目前在数据挖掘会议里面排第4.&欧洲人很想把它抬起来,&所以这些年一直和ECML一起捆绑着开,&希望能借ECML把它带起来.但因为ICDM和SDM,&这已经不太可能了.&所以今年的&PKDD和ECML虽然还是一起开,&但已经独立审稿了(以前是可以同时投两个会,&作者可以声明优先被哪个会考虑,&如果ECML中不了还可以被&PKDD接受).
ACCV (3+): Asian Conference on Computer Vision
DS (3+): International Conference on Discovery Science
ECIR (3+): European Conference on IR Research
ICTAI (3+): IEEE International Conference on Tools with Artificial Intelligence
PAKDD (3+): Pacific-Asia Conference on Knowledge Discovery and Data Mining
ICANN (3+): International Conference on Artificial Neural Networks
AJCAI (3): Australian Joint Conference on Artificial Intelligence
CAI (3): Canadian Conference on Artificial Intelligence
CEC (3): IEEE Congress on Evolutionary Computation
FUZZ-IEEE (3): IEEE International Conference on Fuzzy Systems
GECCO (3): Genetic and Evolutionary Computation Conference
ICASSP (3): International Conference on Acoustics, Speech, and Signal&&&Processing
ICIP (3): International Conference on Image Processing
ICPR (3): International Conference on Pattern Recognition
IEA/AIE (3): International Conference on Industrial and Engineering Applications of Artificial Intelligence and Expert Systems
IJCNN&(3):
International Joint Conference on Neural Networks
IJNLP (3): International Joint Conference on Natural Language Processing
PRICAI (3): Pacific-Rim International Conference on Artificial Intelligence
*Impact factor (According to Citeseer 03):
ACCV&：0.42
(top 55.61%)
ICTAI&：0.25
(top 69.86 %)
PAKDD&：0.30(top
ICANN&：0.27
(top 67.73 %)
AJCAI&：0.16
(top 79.44 %)
CAI&：0.26
(top 68.87 %)
ICIP&：0.50
(top 50.20 %)
IEA/AIE&：0.09
(top 87.79 %)
PRICAI&：0.19
(top 76.33 %)
Average：0.27
(top 68.30%)
ACCV (3+):&亚洲的计算机视觉会议,&在亚太级别的会议里算很好的了.
DS (3+):&日本人发起的一个接近数据挖掘的会议.
ECIR (3+):&欧洲的信息检索会议,&前几年还只是英国的信息检索会议.
ICTAI (3+): IEEE最主要的人工智能会议,&偏应用,&是被IEEE办烂的一个典型.&以前的quality还是不错的,&但是办得越久声誉反倒越差了,&糟糕的是似乎还在继续下滑,&现在其实3+已经不太呆得住了.
PAKDD (3+):&亚太数据挖掘会议,&目前在数据挖掘会议里排第5.
ICANN (3+):&欧洲的神经网络会议,&从quality来说是神经网络会议中最好的,&但这个领域的人不重视会议,在该领域它的重要性不如IJCNN.
AJCAI (3):&澳大利亚的综合型人工智能会议,&在国家/地区级AI会议中算不错的了.
CAI (3):&加拿大的综合型人工智能会议,&在国家/地区级AI会议中算不错的了.
CEC (3):&进化计算方面最重要的会议之一,&盛会型.
IJCNN/CEC /FUZZ-IEEE这三个会议是计算智能或者说软计算方面最重要的会议,&它们经常一起开,&这时就叫WCCI
(World Congress on Computational Intelligence).&但这个领域和CS其他分支不太一样,&倒是和其他学科相似,&只重视journal,&不重视会议,&所以录用率经常在85%左右,&所录文章既有quality非常高的论文,&也有入门新手的习作.
FUZZ-IEEE (3):&模糊方面最重要的会议,&盛会型,&参见CEC的介绍.
GECCO (3):&进化计算方面最重要的会议之一,&与CEC相当，盛会型.
ICASSP (3):&语音方面最重要的会议之一,&这个领域的人也不很care会议.
ICIP (3):&图像处理方面最著名的会议之一,&盛会型.
ICPR (3):&模式识别方面最著名的会议之一,&盛会型.
IEA/AIE (3):&人工智能应用会议.&一般的会议提名优秀论文的通常只有几篇文章,&被提名就已经是很高的荣誉了,&这个会很有趣,&每次都搞1、20篇的优秀论文提名,&专门搞几个session做被提名论文报告,&倒是很热闹.
IJCNN (3):&神经网络方面最重要的会议,&盛会型,&参见CEC的介绍.
IJNLP (3):&计算语言学/自然语言处理方面比较著名的一个会议.
PRICAI (3):&亚太综合型人工智能会议,&虽然历史不算短了,&但因为比它好或者相当的综合型会议太多,&所以很难上升.
列list只是为了帮助新人熟悉领域,&给出的评分或等级都是个人意见,&仅供参考.&特别要说明的是:
1. tier-1 conference上的文章并不一定比tier-3的好,&只能说前者的平均水准更高.
2.&研究工作的好坏不是以它发表在哪儿来决定的,&发表在高档次的地方只是为了让工作更容易被同行注意到.
tier-3会议上发表1篇被引用10次的文章可能比在tier-1会议上发表10篇被引用0次的文章更有价值.&所以,&数top会议文章数并没有太大意义,&重要的是同行的评价和认可程度.
3.&很多经典工作并不是发表在高档次的发表源上,&有不少经典工作甚至是发表在很低档的发表源上.&原因很多,&就不细说了.
4.&会议毕竟是会议,&由于审稿时间紧,&错杀好人和漏过坏人的情况比比皆是,&更何况还要考虑到有不少刚开始做研究的学生在代老板审稿.
5.&会议的reputation并不是一成不变的，新会议可能一开始没什么声誉，但过几年后就野鸡变凤凰，老会议可能原来声誉很好，但越来越往下滑.
6.&只有计算机科学才重视会议论文,&其他学科并不把会议当回事.&但在计算机科学中也有不太重视会议的分支.
7. Politics无所不在.&你老板是谁,&你在哪个研究组,&你在哪个单位,&这些简单的因素都可能造成决定性的影响.&换言之,&不同环境的人发表的难度是不一样的.&了解到这一点后,&你可能会对high-level发表源上来自low-level单位名不见经传作者的文章特别注意(例如如果&计算机学报&上发表了平顶山铁道电子信息科技学院的作者的文章,我一定会仔细读).
8.&评价体系有巨大的影响.&不管是在哪儿谋生的学者,&都需要在一定程度上去迎合评价体系,&否则连生路都没有了,&还谈什么做研究.&以国内来说,&由于评价体系只重视journal,&有一些工作做得很出色的学者甚至从来不投会议.&另外,&经费也有巨大的制约作用.&国外很多好的研究组往往是重要会议都有文章.&但国内是不行的,&档次低一些的会议还可以投了只交注册费不开会,&档次高的会议不去做报告会有很大的负面影响,&所以只能投很少的会议.&这是在国内做CS研究最不利的地方.&我的一个猜想：人民币升值对国内CS研究会有不小的促进作用(当然,&人民币升值对整个中国来说利大于弊还是弊大于利很难说).
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：47415次
排名：千里之外
转载：43篇
(14)(8)(7)(14)[转载]AI会议排名_周志华
已有 3081 次阅读
|个人分类:|系统分类:|关键词:ai会议 计算机视觉 模式识别 机器学习
南京大学周志华教授写的一个很经典的帖子。不过IJCAI能不能算成是no.1的会议有待商榷，不过总体还算客观！说明:&纯属个人看法,&仅供参考. tier-1的列得较全, tier-2的不太全, tier-3的很不全.同分的按字母序排列.&不很严谨地说, tier-1是可以令人羡慕的, tier-2是可以令人尊敬的,由于AI的相关会议非常多,&所以能列进tier-3的也是不错的tier-1:IJCAI (1+): International Joint Conference on Artificial Intelligence AAAI (1): National Conference on Artificial IntelligenceCOLT (1): Annual Conference on Computational Learning TheoryCVPR (1): IEEE International Conference on Computer Vision and Pattern&&&RecognitionICCV (1): IEEE International Conference on Computer VisionICML (1): International Conference on Machine LearningNIPS (1): Annual Conference on Neural Information Processing SystemsACL (1-): Annual Meeting of the Association for Computational LinguisticsKR (1-): International Conference on Principles of Knowledge Representation&&&and ReasoningSIGIR (1-): Annual International ACM SIGIR Conference on Research and Development in Information RetrievalSIGKDD (1-): ACM SIGKDD International Conference on Knowledge Discovery and Data MiningUAI (1-): International Conference on Uncertainty in Artificial Intelligence*Impact factor (According to Citeseer 03):IJCAI&：1.82 (top 4.09 %)AAAI&：1.49 (top 9.17%)COLT：1.49 (top 9.25%)ICCV&：1.78 (top 4.75%)ICML&：2.12 (top 1.88%)NIPS&：1.06 (top 20.96%)ACL&：1.44 (top 10.07%)KR&：1.76 (top 4.99%)SIGIR&：1.10 (top 19.08%)Average：1.56 (top 8.02%)IJCAI (1+): AI最好的综合性会议, 1969年开始,&每两年开一次,&奇数年开.&因为AI&实在太大,所以虽然每届基本上能录100多篇（现在已经到200多篇了），但分到每个 领域就没几篇了，象achine learning、computer vision这么大的领域每次大概也 就10篇左右,&所以难度很大.&不过从录用率上来看倒不太低,基本上20%左右,&因为内 行人都会掂掂分量,&没希望的就别浪费reviewer的时间了.&最近中国大陆投往国际会 议的文章象潮水一样,&而且因为国内很少有能自己把关的研究组,&所以很多会议都在&complain说中国的低质量文章严重妨碍了PC的工作效率.&在这种情况下,&估计这几年 国际会议的录用率都会降下去.&另外,&以前的IJCAI是没有poster的, 03年开始,&为了 减少被误杀的好人,&增加了2页纸的poster.值得一提的是, IJCAI是由貌似一个公司 的”IJCAI Inc.”主办的(当然实际上并不是公司,&实际上是个基金会),&每次会议上要 发几个奖,&其中最重要的两个是IJCAI Research Excellence Award&和&Computer & Thoughts Award,&前者是终身成就奖,&每次一个人,&基本上是AI的最高奖(有趣的是,&以AI为主业拿图灵奖的6位中,有2位还没得到这个奖),&后者是奖给35岁以下的 青年科学家,&每次一个人.&这两个奖的获奖演说是每次IJCAI的一个重头戏.另外, IJCAI&的&PC member&相当于其他会议的area chair,&权力很大,因为是由PC member&去找&reviewer&来审,&而不象一般会议的PC member其实就是&reviewer.&为了制约 这种权力, IJCAI的审稿程序是每篇文章分配2位PC member, primary PC member去找3位reviewer, second PC member&找一位.AAAI (1):&美国人工智能学会AAAI的年会.&是一个很好的会议,&但其档次不稳定,&可&&&以给到1+,也可以给到1-或者2+,&总的来说我给它”1″.&这是因为它的开法完全受&IJCAI制约:&每年开,&但如果这一年的&IJCAI在北美举行,&那么就停开.&所以,&偶数年 里因为没有IJCAI,&它就是最好的AI综合性会议,&但因为号召力毕竟比IJCAI要小一些,&特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是),&所以比IJCAI还是要稍弱 一点,&基本上在1和1+之间;&在奇数年,&如果IJCAI不在北美, AAAI自然就变成了比&&&IJCAI低一级的会议(1-或2+),&例如2005年既有IJCAI又有AAAI,&两个会议就进行了协 调,&使得IJCAI的录用通知时间比AAAI的deadline早那么几天,&这样IJCAI落选的文章 可以投往AAAI.在审稿时IJCAI&的&PC chair也在一直催,&说大家一定要快,&因为AAAI&那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.COLT (1):&这是计算学习理论最好的会议, ACM主办,&每年举行.&计算学习理论基本上可以看成理论计算机科学和机器学习的交叉,&&&所以这个会被一些人看成是理论计算 机科学的会而不是AI的会.&我一个朋友用一句话对它进行了精彩的刻画: “一小群数 学家在开会”.&因为COLT的领域比较小,&所以每年会议基本上都是那些人.&这里顺便 提一件有趣的事,&因为最近国内搞的会议太多太滥,&而且很多会议都是LNCS/LNAI出 论文集, LNCS/LNAI基本上已经被搞臭了,&但很不幸的是, LNCS/LNAI中有一些很好的 会议,&例如COLT.CVPR (1):&计算机视觉和模式识别方面最好的会议之一, IEEE主办,&每年举行.&虽然题 目上有计算机视觉,&但个人认为它的模式识别味道更重一些.&事实上它应该是模式识 别最好的会议,&而在计算机视觉方面,&还有ICCV&与之相当. IEEE一直有个倾向,&要把 会办成”盛会”,&历史上已经有些会被它从quality很好的会办成”盛会”了. CVPR搞不好 也要走这条路.&这几年录的文章已经不少了.&最近负责CVPR会议的TC的chair发信 说,&对这个community来说,&让好人被误杀比被坏人漏网更糟糕,&所以我们是不是要减 少好人被误杀的机会啊?&所以我估计明年或者后年的CVPR就要扩招了.ICCV (1):&介绍CVPR的时候说过了,&计算机视觉方面最好的会之一. IEEE主办,&每年举行.ICML (1):&机器学习方面最好的会议之一.&现在是IMLS主办,&每年举行.&参见关于NIPS的&&&介绍.NIPS (1):&神经计算方面最好的会议之一, NIPS主办,&每年举行.&值得注意的是,&这个会 每年的举办地都是一样的,&以前是美国丹佛,&现在是加拿大温哥华;&而且它是年底开会,&会开完后第2年才出论文集,&也就是说, NIPS’05的论文集是06年出.&会议的名字&&&“Advances in Neural Information Processing Systems”,&所以,&与ICML\ECML这样 的”标准的”机器学习会议不同, NIPS里有相当一部分神经科学的内容,&和机器学习有 一定的距离.&但由于会议的主体内容是机器学习,&或者说与机器学习关系紧密,&所以 不少人把NIPS看成是机器学习方面最好的会议之一.&这个会议基本上控制在Michael Jordan的徒子徒孙手中,&所以对Jordan系的人来说,&发NIPS并不是难事,&一些未必很 强的工作也能发上去,&但对这个圈子之外的人来说,&想发一篇实在很难,&因为留给”外 人”的口子很小.&所以对Jordan系以外的人来说,&发NIPS的难度比ICML更大.&换句话说, ICML比较开放,&小圈子的影响不象NIPS那么大,&所以北美和欧洲人都认,&而NIPS则有 些人(特别是一些欧洲人,&包括一些大家)坚决不投稿.&这对会议本身当然并不是好事,&&&但因为Jordan系很强大,&所以它似乎也不太care.&最近IMLS(国际机器学习学会)改选 理事,&有资格提名的人包括近三年在ICML\ECML\COLT发过文章的人, NIPS则被排除在 外了.&无论如何,&这是一个非常好的会.ACL (1-):&计算语言学/自然语言处理方面最好的会议, ACL (Association of&&&Computational Linguistics)&主办,&每年开.KR (1-):&知识表示和推理方面最好的会议之一,&实际上也是传统AI(即基于逻辑的AI)&最好的会议之一. KR Inc.主办,&现在是偶数年开.SIGIR (1-):&信息检索方面最好的会议, ACM主办,&每年开.&这个会现在小圈子气越来 越重.&信息检索应该不算AI,&不过因为这里面用到机器学习越来越多,&最近几年甚至 有点机器学习应用会议的味道了,&所以把它也列进来.SIGKDD (1-):&数据挖掘方面最好的会议, ACM主办,&每年开.&这个会议历史比较短,&&&毕竟,&与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿.&在几年前还很难把它列 在tier-1里面,&一方面是名声远不及其他的&top conference响亮,&另一方面是相对容易 被录用.&但现在它被列在tier-1应该是毫无疑问的事情了.UAI (1-):&名字叫”人工智能中的不确定性”,&涉及表示\推理\学习等很多方面, AUAI&&(Association of UAI)&主办,&每年开.tier-2:AAMAS (2+): International Joint Conference on Autonomous Agents and&&&Multiagent SystemsECCV (2+): European Conference on Computer VisionECML (2+): European Conference on Machine LearningICDM (2+): IEEE International Conference on Data MiningSDM (2+): SIAM International Conference on Data MiningICAPS (2): International Conference on Automated Planning and SchedulingICCBR (2): International Conference on Case-Based ReasoningCOLLING (2): International Conference on Computational LinguisticsECAI (2): European Conference on Artificial IntelligenceALT (2-): International Conference on Algorithmic Learning TheoryEMNLP (2-): Conference on Empirical Methods in Natural Language ProcessingILP (2-): International Conference on Inductive Logic ProgrammingPKDD (2-): European Conference on Principles and Practice of Knowledge&&&Discovery in Databases*Impact factor (According to Citeseer 03):ECCV&：1.58 (top 7.20 %)ECML&：0.83 (top 30.63 %)ICDM&：0.35 (top 59.86 %)ICCBR&：0.72 (top 36.69 %)ECAI&：0.69 (top 38.49 %)ALT&：0.63 (top 42.91 %)ILP&：1.06 (top 20.80 %)PKDD&：0.50 (top 51.26 %)Average：0.80 (top 32.02%)AAMAS (2+): agent方面最好的会议.&但是现在agent已经是一个一般性的概念,&&&几乎所有AI有关的会议上都有这方面的内容,&所以AAMAS下降的趋势非常明显.ECCV (2+):&计算机视觉方面仅次于ICCV的会议,&因为这个领域发展很快,&有可能 升级到1-去.ECML (2+):&机器学习方面仅次于ICML的会议,&欧洲人极力捧场,&一些人认为它已经是1-了.&我保守一点,&仍然把它放在2+.&因为机器学习发展很快,&这个会议的reputation上升非常明显.ICDM (2+):&数据挖掘方面仅次于SIGKDD的会议,&目前和SDM相当.&这个会只有5年历史,&上升速度之快非常惊人.&几年前ICDM还比不上PAKDD,&现在已经拉开很大距离了.SDM (2+):&数据挖掘方面仅次于SIGKDD的会议,&目前和ICDM相当. SIAM的底子很厚,&但在CS里面的影响比ACM和IEEE还是要小, SDM眼看着要被ICDM超过了,&但至少目前还是相当的.ICAPS (2):&人工智能规划方面最好的会议,&是由以前的国际和欧洲规划会议合并来的.&因为这个领域逐渐变冷清,&影响比以前已经小了.ICCBR (2): Case-Based Reasoning方面最好的会议.&因为领域不太大,&而且一直半冷不热,&所以总是停留在2上.COLLING (2):&计算语言学/自然语言处理方面仅次于ACL的会,&但与ACL的差距比ICCV-ECCV和ICML-ECML大得多.ECAI (2):&欧洲的人工智能综合型会议,&历史很久,&但因为有IJCAI/AAAI压着,很难往上升.ALT (2-):&有点象COLT的tier-2版,&但因为搞计算学习理论的人没多少,&做得好的数来数去就那么些group,&基本上到COLT去了,&所以ALT里面有不少并非计算学习理论的内容.EMNLP (2-):&计算语言学/自然语言处理方面一个不错的会.&有些人认为与COLLING相当,&但我觉得它还是要弱一点.ILP (2-):&归纳逻辑程序设计方面最好的会议.&但因为很多其他会议里都有ILP方面的内容,&所以它只能保住2-的位置了.PKDD (2-):&欧洲的数据挖掘会议,&目前在数据挖掘会议里面排第4.&欧洲人很想把它抬起来,&所以这些年一直和ECML一起捆绑着开,&希望能借ECML把它带起来.但因为ICDM和SDM,&这已经不太可能了.&所以今年的&PKDD和ECML虽然还是一起开,&但已经独立审稿了(以前是可以同时投两个会,&作者可以声明优先被哪个会考虑,&如果ECML中不了还可以被&PKDD接受).tier-3:ACCV (3+): Asian Conference on Computer VisionDS (3+): International Conference on Discovery ScienceECIR (3+): European Conference on IR ResearchICTAI (3+): IEEE International Conference on Tools with Artificial IntelligencePAKDD (3+): Pacific-Asia Conference on Knowledge Discovery and Data MiningICANN (3+): International Conference on Artificial Neural NetworksAJCAI (3): Australian Joint Conference on Artificial IntelligenceCAI (3): Canadian Conference on Artificial IntelligenceCEC (3): IEEE Congress on Evolutionary ComputationFUZZ-IEEE (3): IEEE International Conference on Fuzzy SystemsGECCO (3): Genetic and Evolutionary Computation ConferenceICASSP (3): International Conference on Acoustics, Speech, and Signal&&&ProcessingICIP (3): International Conference on Image ProcessingICPR (3): International Conference on Pattern RecognitionIEA/AIE (3): International Conference on Industrial and Engineering Applications of Artificial Intelligence and Expert SystemsIJCNN&(3): International Joint Conference on Neural NetworksIJNLP (3): International Joint Conference on Natural Language ProcessingPRICAI (3): Pacific-Rim International Conference on Artificial Intelligence*Impact factor (According to Citeseer 03):ACCV&：0.42 (top 55.61%)ICTAI&：0.25 (top 69.86 %)PAKDD&：0.30(top 65.60 %)ICANN&：0.27 (top 67.73 %)AJCAI&：0.16 (top 79.44 %)CAI&：0.26 (top 68.87 %)ICIP&：0.50 (top 50.20 %)IEA/AIE&：0.09 (top 87.79 %)PRICAI&：0.19 (top 76.33 %)Average：0.27 (top 68.30%)ACCV (3+):&亚洲的计算机视觉会议,&在亚太级别的会议里算很好的了.DS (3+):&日本人发起的一个接近数据挖掘的会议.ECIR (3+):&欧洲的信息检索会议,&前几年还只是英国的信息检索会议.ICTAI (3+): IEEE最主要的人工智能会议,&偏应用,&是被IEEE办烂的一个典型.&以前的quality还是不错的,&但是办得越久声誉反倒越差了,&糟糕的是似乎还在继续下滑,&现在其实3+已经不太呆得住了.PAKDD (3+):&亚太数据挖掘会议,&目前在数据挖掘会议里排第5.ICANN (3+):&欧洲的神经网络会议,&从quality来说是神经网络会议中最好的,&但这个领域的人不重视会议,在该领域它的重要性不如IJCNN.AJCAI (3):&澳大利亚的综合型人工智能会议,&在国家/地区级AI会议中算不错的了.CAI (3):&加拿大的综合型人工智能会议,&在国家/地区级AI会议中算不错的了.CEC (3):&进化计算方面最重要的会议之一,&盛会型. IJCNN/CEC /FUZZ-IEEE这三个会议是计算智能或者说软计算方面最重要的会议,&它们经常一起开,&这时就叫WCCI (World Congress on Computational Intelligence).&但这个领域和CS其他分支不太一样,&倒是和其他学科相似,&只重视journal,&不重视会议,&所以录用率经常在85%左右,&所录文章既有quality非常高的论文,&也有入门新手的习作.FUZZ-IEEE (3):&模糊方面最重要的会议,&盛会型,&参见CEC的介绍.GECCO (3):&进化计算方面最重要的会议之一,&与CEC相当，盛会型.ICASSP (3):&语音方面最重要的会议之一,&这个领域的人也不很care会议.ICIP (3):&图像处理方面最著名的会议之一,&盛会型.ICPR (3):&模式识别方面最著名的会议之一,&盛会型.IEA/AIE (3):&人工智能应用会议.&一般的会议提名优秀论文的通常只有几篇文章,&被提名就已经是很高的荣誉了,&这个会很有趣,&每次都搞1、20篇的优秀论文提名,&专门搞几个session做被提名论文报告,&倒是很热闹.IJCNN (3):&神经网络方面最重要的会议,&盛会型,&参见CEC的介绍.IJNLP (3):&计算语言学/自然语言处理方面比较著名的一个会议.PRICAI (3):&亚太综合型人工智能会议,&虽然历史不算短了,&但因为比它好或者相当的综合型会议太多,&所以很难上升.列list只是为了帮助新人熟悉领域,&给出的评分或等级都是个人意见,&仅供参考.&特别要说明的是:1. tier-1 conference上的文章并不一定比tier-3的好,&只能说前者的平均水准更高.2.&研究工作的好坏不是以它发表在哪儿来决定的,&发表在高档次的地方只是为了让工作更容易被同行注意到. tier-3会议上发表1篇被引用10次的文章可能比在tier-1会议上发表10篇被引用0次的文章更有价值.&所以,&数top会议文章数并没有太大意义,&重要的是同行的评价和认可程度.3.&很多经典工作并不是发表在高档次的发表源上,&有不少经典工作甚至是发表在很低档的发表源上.&原因很多,&就不细说了.4.&会议毕竟是会议,&由于审稿时间紧,&错杀好人和漏过坏人的情况比比皆是,&更何况还要考虑到有不少刚开始做研究的学生在代老板审稿.5.&会议的reputation并不是一成不变的，新会议可能一开始没什么声誉，但过几年后就野鸡变凤凰，老会议可能原来声誉很好，但越来越往下滑.6.&只有计算机科学才重视会议论文,&其他学科并不把会议当回事.&但在计算机科学中也有不太重视会议的分支.7. Politics无所不在.&你老板是谁,&你在哪个研究组,&你在哪个单位,&这些简单的因素都可能造成决定性的影响.&换言之,&不同环境的人发表的难度是不一样的.&了解到这一点后,&你可能会对high-level发表源上来自low-level单位名不见经传作者的文章特别注意(例如如果&计算机学报&上发表了平顶山铁道电子信息科技学院的作者的文章,我一定会仔细读).8.&评价体系有巨大的影响.&不管是在哪儿谋生的学者,&都需要在一定程度上去迎合评价体系,&否则连生路都没有了,&还谈什么做研究.&以国内来说,&由于评价体系只重视journal,&有一些工作做得很出色的学者甚至从来不投会议.&另外,&经费也有巨大的制约作用.&国外很多好的研究组往往是重要会议都有文章.&但国内是不行的,&档次低一些的会议还可以投了只交注册费不开会,&档次高的会议不去做报告会有很大的负面影响,&所以只能投很少的会议.&这是在国内做CS研究最不利的地方.&我的一个猜想：人民币升值对国内CS研究会有不小的促进作用(当然,&人民币升值对整个中国来说利大于弊还是弊大于利很难说).
本文引用地址：&转载请注明来自科学网博客，并请注明作者姓名。
上一篇：下一篇：
当前推荐数：1
评论 ( 个评论)
作者的其他最新博文
热门博文导读
Powered by
Copyright &