李泽南 王淑婷作者

2018谷歌学术期刊&出版物排名公布:CVPR挤进前20

自 2012 年起,谷歌学术(Google Scholar)每年都会发布一次全球学术出版物重要指数排名。近日,谷歌公布了 2018 年的最新排名。随着人工智能的火热,一些 AI 顶会也进入了榜单的前 100 名,其中包括 CVPR(第 20 名)和 NIPS(第 54 名)。

榜单链接:https://scholar.google.com/citations?view_op=top_venues

谷歌学术为读者提供了一个便捷的方法来快速评估学术期刊中最新文章的可读性和影响力。美国时间 8 月 2 日,它发表了 2018 学术期刊&出版物排行榜。该榜单涵盖了 2013-2017 年之间发表的的文章,以及截至 2018 年 7 月底谷歌学术索引中被引用过的所有文章。

该榜单还包括来自网站的期刊文章,这些文章符合谷歌学术的收录指南。此外,随着 AI 科技的发展,一些计算机科学和电子工程方面的会议文章也被收入在内。不过,2013-2017 年间发表文章不到 100 篇,以及这些年未被引用过的出版物没有涵盖在内。

今年的榜单包含了 12 种不同语言的前 100 名出版物信息,以及 8 大领域 260 个子领域的前 20 名出版物信息。

你可以从榜上发现一些特定类别的出版物,如《食品科学与科技》(Food Science & Technology),《可持续能源》(Sustainable Energy),《公共安全》(Public Health),以及一些比较泛泛的出版物,如《工程与计算机科学》(Engineering & Computer Science),或《人文、文学与艺术》(Humanities, Literature & Arts)。对于每种出版物,你可以通过点击 h5 索引来查看其最热门的文章。

榜单上包含大量出版物,远超每一类别和每种语言页面上列出的数量。你可以通过在搜索框中输入出版物标题中的关键词来查找这些出版物,例如,heart、water、saude。

更多细节请戳:http://scholar.google.com/scholar/metrics.html

「更客观」的排名标准

谷歌学术出版物排名主要参考 3 个参数

  • h 指数表示,出版物中至少有 h 篇论文被引用至少 h 次。例如,某出版物有 5 篇论文被分别引用 17、9、6、3、2 次,那么该出版物的 h 指数为 3。

  • h 核心表示,出版物中被引用次数最高的 h 篇论文。例如,上述例子中,该出版物的 h 核心为 3,即分别被引用 17、9、6 次的文章。

  • h 中位数表示,h 核心中排在中位数的论文被引用的次数。上述例子中,该出版物的 h 中位数是 9。h 中位数是衡量 h 核心中文章引用分布的一个尺度。

谷歌学术榜单采用的 h5 因子统计方法与传统学术期刊的「影响因子」统计法所得结果不尽相同。h5 因子并不会因为一篇超高被引次数的文献而增长。另外,相对而言,综述论文相比新研究更易得到引用。所以在影响因子为主的排名中,综述类期刊以及综述占比较高的期刊明显占优。h5 因子和 H 中位数的计算方法更关注的是期刊中被引用数较多的那部分论文,这使其对期刊中各种类型文章所占比例不太敏感。

Top100 完整榜单(英文期刊)

在「含金量」最高的总榜单中,排名前三的是 Nature、新英格兰医学杂志与 Science。

中文期刊排名(前 20 名)

工程和计算机科学分类前 20 名

人工智能子领域前 20 名

在谷歌学术的统计中,CVPR 大会被引用次数最多的论文是何恺明、张祥雨、任少卿与孙剑的 CVPR2016 最佳论文《Deep Residual Learning for Image Recognition》,目前被引用次数已经超过了 10000 次。

而在 NIPS 中,被引用次数最多的论文是 2013 年 Tomas Mikolov、Jeff Dean 等人的《Distributed Representations of Words and Phrases and their Compositionality》,被引用次数已经超过 8000 次。

此外,在谷歌学术排名推出之后,谷歌大脑研究员 @hardmaru 第一时间整理出了 Top 100 总榜单中的机器学习/人工智能期刊、会议特别关注列表:

1. Nature

3. Science

20. CVPR

23. PLoS ONE

41. Neuron

44. Nature Neuroscience

54. NIPS

60. Cancer Research

70. Nature Physics

84. Nature Chemistry

88. IEEE Communications Magazine

产业排名学术会议CVPRNIPS
2
相关数据
机器学习技术
Machine Learning

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

参数技术
parameter

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

推荐文章