Map君作者 爱思美谱来源王新兵 教授指导教师

NeurIPS2018 | AceMap推出全方位论文作者机构国家统计图谱

神经信息处理系统大会(原名 Neural Information Processing Systems,NeurIPS)是人工智能机器学习领域最重要的盛会,自 1987 年诞生起,这一学术会议已经走过了 30 余年的历史。该会议固定在每年的12月举行,由NeurIPS基金会主办。NeurIPS是机器学习领域的顶级会议  。在中国计算机学会的国际学术会议排名中,NeurIPS为人工智能领域的A类会议。今年的大会计划在加拿大城市蒙特利尔举行,12 月 3 日开幕。本文由机器之心经授权转载自爱思美谱(ID:acemap_),禁止二次转载。

网址 | https://acemap.info/ConferenceStatistics/MainPage?conf_name=NIPS&conf_year=2018

Acemap团队分析了NeurIPS2018的所有论文1010篇,对2018年、近三年、近五年学者、机构和国家分别以第一作者身份以及合作者身份在该会议中发表论文情况进行了统计;对每篇论文进行了最新、同会议、最相关、被引用数最多和导读类论文的论文推荐;统计了NeurIPS十年话题演变;针对每篇论文给出该论文研究的问题和提出的方法的机器自动解读;统计了近十年的投稿量、中稿量和接受率变化;挖掘作者之间的关系,绘制了作者关系图。详细页面请浏览:

https://acemap.info/ConferenceStatistics/MainPage?conf_name=NIPS&conf_year=2018

机构统计


NIPS2018 Affiliation Statistics统计了2018年、近三年、近五年各机构在NeurIPS会议中发表论文数量排名,下图展示了2018年排名前十的机构及论文发表数量(包含第一作者和非第一作者):


我们的统计显示,前10名中有Google, Microsoft和Facebook三所来自工业界的机构,尤其是第一名Google发表了136篇论文之多。而且,微软作为第一作者发表的论文数量也有57篇之多(见Acemap官网)。可见Google在机器学习领域具有巨大的影响力。同时,我们也看到前10名中几乎的美国机构,可见美国在该领域的绝对领先地位。

我们在推送中仅展示2018年排名前十所有作者包含在内的机构排名,欲了解2018年、近三年、近五年仅包含第一作者/所有作者包含在内的机构统计,请至Acemap官网:https://acemap.info/ConferenceStatistics/AuthorAffiliationRank?conf_name=NIPS&conf_year=2018&type_of_ranking=Affiliation

在网页中点击相应的机构名称可显示该机构历年在NeurIPS论文发表情况统计,如下图所示为Google的发表论文情况:

其中,纵轴代表年份,横轴代表该机构发表的论文数。红色为第一作者身份发表的论文数。黑色位非第一作者身份发表的论文数。

同时,我们还展示该机构内以第一作者身份/非第一作者身份发表的论文数最多的作者。如下图展示为Google内以第一作者身份发表论文数最多的几个作者

作者统计

NeurIPS2018 Author Statistics统计了2018年、近三年、近五年各作者在NeurIPS会议中发表论文数量排名(包含所有作者/仅包含第一作者),下图展示了2018年排名前十的作者及论文发表数量(包含所有作者):


以上仅展示2018年排名前十的作者(包含所有作者)2018年、近三年、近五年详细排名(包含所有作者/仅包含第一作者)请浏览网址:

https://acemap.info/ConferenceStatistics/AuthorAffiliationRank?conf_name=NIPS&conf_year=2018&type_of_ranking=Author

论文接受率、投稿量、中稿量统计

我们对NeurIPS十年的接受率、投稿量、中稿量进行了统计。如下图所示:

其中,绿色为投稿量,紫色为中稿量,曲线代表接受率。我们可以看到,2018年投稿量为4856,远大于2017年的3240和2016年的2403。

详细请查看:

https://acemap.info/ConferenceStatistics/acceptance_rate?conf_name=NIPS&conf_year=2018

十年话题演变

我们提取了NeurIPS 2009-2018十年的摘要信息,利用word embedding算法将关键词映射到向量空间,然后进行聚类。对每一个聚类赋予相应的话题,总体上分为图中六大类。图中横轴代表年份,纵轴代表话题所占比例,从图中可以看到六大话题十年间的演变趋势。

论文推荐矩阵

我们从五个维度对每篇论文进行了相似论文推荐,形成论文推荐矩阵。这些维度包括最新、同会议、最相关、被引用数最多和导读类论文,这种多维度推荐能够满足不同用户的不同需求。AceMap针对NeurIPS 2018各篇论文的相似论文推荐页面如下如所示:

详细页面可通过点击阅读原文访问官方主页,并点击论文标题访问。


国家分布统计


NeurIPS 2018 Affiliation Distribution统计了2018年发表NeurIPS论文的机构所在国家的分布情况,目前我们只统计了发表论文数量前十位的国家,以及每个国家所发表论文的数量和比例分布情况。

点击每个国家,可以看到该国家内发表NeurIPS 论文的机构以及对应的论文数量。点击国家名字就能得到这个国家的机构排名,点击机构,就能得到该机构的作者排名。

如下为点击中国出现的机构排名:


作者关系图

我们分别对2018年在NeurIPS 发过论文的作者、以及所有在NeurIPS 发过论文的作者画了关系图。2018年在NeurIPS 发过论文的作者如下所示(截图部分)。其中,点的大小代表2018年在NeurIPS 发的论文数多少。点之间的连线代表coauthor关系。

2018年大图可浏览网页:

https://acemap.info/app/NIPS/AuthorMap2018.php

所有NeurIPS 年份的大图可浏览网页:

https://acemap.info/app/NIPS/AuthorMapALL.php

论文解读


对NeurIPS 2018的每篇论文,我们都提供简短的内容解读。我们用机器阅读理解的方法自动提取出关键信息,包括提出什么方法解决了什么问题等,相比于一长段论文,这种导读能帮助读者在短时间内获取论文最关键的信息。

以下为我们的解读示例

我们对1010篇论文都做了解读。详细解读请浏览网址:

https://acemap.info/ConferenceStatistics/MainPage?conf_name=NIPS&conf_year=2018#authorstatistics


会议H-Index与引用量


Acemap对NeuIPS近年H-Index、Top30论文的平均引用量、所有论文的平均引用量进行了统计。会议H-index变化如下:

会议所有论文和Top30论文的citation变化如下:

本文由机器之心经授权转载自爱思美谱(ID:acemap_),禁止二次转载。

原文链接:https://mp.weixin.qq.com/s/GIQCWVvrPy6IC-gknL1Tpg

理论计算机视觉NIPS 2018论文
1
相关数据
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
机器学习技术

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。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

映射技术

映射指的是具有某种特殊结构的函数,或泛指类函数思想的范畴论中的态射。 逻辑和图论中也有一些不太常规的用法。其数学定义为:两个非空集合A与B间存在着对应关系f,而且对于A中的每一个元素x,B中总有有唯一的一个元素y与它对应,就这种对应为从A到B的映射,记作f:A→B。其中,y称为元素x在映射f下的象,记作:y=f(x)。x称为y关于映射f的原象*。*集合A中所有元素的象的集合称为映射f的值域,记作f(A)。同样的,在机器学习中,映射就是输入与输出之间的对应关系。

聚类技术

将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。“物以类聚,人以群分”,在自然科学和社会科学中,存在着大量的分类问题。聚类分析又称群分析,它是研究(样品或指标)分类问题的一种统计分析方法。聚类分析起源于分类学,但是聚类不等于分类。聚类与分类的不同在于,聚类所要求划分的类是未知的。聚类分析内容非常丰富,有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。

暂无评论
暂无评论~