學(xué)界 | 從NIPS到NeurIP 20年數(shù)據(jù)分析：MIT貢獻最大，吳恩達、Hinton為最TOP作者

大數(shù)據(jù)文摘出品

編譯：蔣寶尚

NeurIPS（前稱NIPS）可謂人工智能年度最大盛會。每年的圣誕前夕，全球的人工智能愛好者和科學(xué)家都聚集起來發(fā)布最新研究，并進行熱烈探討。這不僅是一次大的party，也是一次重要的技術(shù)發(fā)展指向，大會的技術(shù)往往這未來幾年就會演變成真正的研究甚至應(yīng)用成果。

今年NeurIPS2018召開之際，微軟發(fā)布了一篇研究，對1996年以來，每年的大會論文數(shù)量、參考文獻、參會研究機構(gòu)、論文作者進行了一次全方位分析，一起來看看有什么有趣的結(jié)果。

會議論文接收數(shù)量變化

從上圖我們看出1996年到2017年會議論文數(shù)量的變化。每一年的輸出數(shù)量都有精確標(biāo)注，從1996年的163篇到2017年的954篇，近幾年論文數(shù)量增長率高于以往。另外，會議論文和Poster都納入了統(tǒng)計。

上圖中的黑條表示入選的論文平均引用多少篇參考文獻，數(shù)據(jù)顯示，論文發(fā)表和參考文獻引用數(shù)量呈現(xiàn)正相關(guān)關(guān)系。 綠條顯示會議論文被引用的平均次數(shù)。 請注意，引用是原始計數(shù)，未按發(fā)布時間標(biāo)準(zhǔn)化。

注：平均引文（Average Citations）：某一特定會議年收到的一篇NIPS論文的平均引文數(shù)。

平均參考文獻（Average References）：某一特定會議年的平均參考文獻數(shù)

NeurIPS在2009年修改了提交指南。2009年平均參考文獻的增加可能是由于規(guī)則的改變。

參考文獻的時間跨度

NIPS論文引用的時間跨度有多大？上圖可以給你一個清晰的展示。例如。2016年NIPS會議論文引用了2015年發(fā)表的2033篇論文，2014年發(fā)表的1395篇論文、更多數(shù)據(jù)信息，依次類推... ...

注：如果某些年份引用了未來年份的文章，有兩種情況可以解釋。 1、文章后來被發(fā)表在期刊上。 2、引用了書籍。

參考文獻來源分析

NIPS會議論文引用了哪些文章？參考文獻的領(lǐng)域分布是怎么樣的？

上表給出了參考文獻的領(lǐng)域分布。左邊的條形圖表明了參考文獻提供量最多的10個領(lǐng)域。NIPS、ICML、機器學(xué)習(xí)研究雜志（Journal of Machine Learning Research）和CVPR成為前四名。右邊的餅圖顯示，前10名的參考文獻供給量幾乎占來自NIPS論文的總引用量的40%。

頂級研究機構(gòu)

NIPS接收的論文，有多少是頂尖的機構(gòu)提供的？上面的氣泡圖可視化了這個問題。氣泡的顏色深度與機構(gòu)提供的論文總數(shù)成正比，當(dāng)然，這些論文指的是被NIPS所接收的那些。

更詳細的數(shù)據(jù)

作者分析

誰是NIPS論文的最佳作者？

接下來的三個圖表根據(jù)不同的標(biāo)準(zhǔn)對作者進行了排名。

氣泡圖顯示了按引用數(shù)量排名的NIPS作者，其中氣泡顏色深度與發(fā)布數(shù)量相關(guān)。

上面的氣泡圖可視化了作者排名。所采用的排名指數(shù)，是由微軟學(xué)術(shù)機構(gòu)使用公式計算得出。X軸表示作者的排名。作者級別越高，他們就越接近右邊。Y軸通過論文發(fā)表數(shù)量來控制排名。此圖能夠使我們識別那些雖然沒有大量發(fā)表文章，但是很有影響力的作者。作者越在圖表的高點，他們的綜合排名就越高。在圖表的右上角的作者，既有大量的論文，也有非常大的影響力。

上圖對參考文獻的作者進行了排名，提供參考文獻越多的作者，排名越高。未在NIPS發(fā)表過文章的學(xué)者也可能出現(xiàn)在上圖中。

前20名學(xué)者的NIPS引文分布情況，每年更新一次。

相關(guān)報道：

https://www.microsoft.com/en-us/research/project/academic/articles/neurips-conference-analytics/