您好,登錄后才能下訂單哦!
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。
誰的文章被NIPS引用最多?
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/
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。