2020谷歌学术指标出炉,CVPR成AI学术会议总榜第一名

在人工智能领域,计算机视觉顶会 CVPR 已成为谷歌学术总榜第一名。

近日,谷歌正式发布了 2020 年的学术指标(Scholar Metrics)榜单。在最新一期排名中,CVPR 成为了 AI 领域排名第一的大会,ICLR 和 NeurIPS 分列二、三位,是不是和你心中的排名有些不一样?

和往年一样,本次的排名依照过去五年发表研究的数据(覆盖 2015-2019 年发表的文章),并包括截止 2020 年 6 月在谷歌学术中被索引的所有文章的引用 。谷歌学术指标为作者提供了一种简便的方法,帮助学者们快速评估学术出版物最近文章的影响力。

谷歌学术 Top Publications 榜单一定程度上反映了各大学术期刊和会议的影响力,其以 h 指数(h-index)作为评判标准。h 指数是一个混合量化指标,可用于评估研究人员的学术产出数量与学术产出水平。谷歌学术指标收录过去五年内文章发表数量超过 100 篇(且有被引用记录)的期刊,以及工程和计算机科学类的学术会议。

具体来说,该榜单采用的 h 指数包含两种:h5-index 和 h5-median,前者是指在过去整整 5 年中所发表文章的 h 指数,后者是指组成其 h5-index 的文章的被引用量的中位数。

在谷歌学术的官网,我们可以随时查看根据 5 年高引用(h5 指数)和 h5 中位数指标排名的前 20 出版物,也可以看到不同语种排名前 100 的出版物,比如中文、德语、日语等。每一种期刊可以点击 h5-index 查看被引用最多的论文。

首先看整个学界,在 2020 年的最新榜单总榜中,Nature、新英格兰医学杂志(NEJM)、Science 三份著名期刊仍然稳居前三位。



Top 100 榜单链接:https://scholar.google.com/citations?view_op=top_venues&hl=en

在谷歌学术「工程和计算机科学」领域排名前 20 的榜单上,IEEE 主办的全球计算机视觉顶会 CVPR(国际计算机视觉模式识别会议)成为了第一。

我们还可以找到其他一些耳熟能详的人工智能会议:国际表征学习大会 ICLR 位居第三,神经信息处理系统大会 NeurIPS 排名第六,IEEE 国际计算机视觉大会 ICCV 排名第十一,国际机器学习大会 ICML 排名第十三,欧洲计算机视觉大会 ECCV 排名第二十。

除此之外,在所有领域排名中,我们还能找到国际计算语言学协会年会 ACL(排名第 72)和国际人工智能大会 AAAI(排名第 96)两个 AI 相关的会议。


谷歌学术在统计全球期刊和会议过程中使用的 H5 指数、H5 中值等概念,源自加州大学圣迭戈分校(UC San Diego)物理学家 Jorge Hirsch 在 2005 年首先提出的 H 指数,原本用于更好地评价某个学者的影响力。

在谷歌学术的计量系统中,期刊或大会的 H 指数指在所有发表的论文中有至少 h 篇论文分别被引用了至少 h 次,那么这份杂志的 H 指数就是 h。H 核心指该杂志最高被引用的 h 篇论文,H 中值指 H 核心中位数论文的引用次数。
理论NatureH5指数谷歌学术CVPR
相关数据
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)

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

表征学习技术

在机器学习领域,表征学习(或特征学习)是一种将原始数据转换成为能够被机器学习有效开发的一种技术的集合。在特征学习算法出现之前,机器学习研究人员需要利用手动特征工程(manual feature learning)等技术从原始数据的领域知识(domain knowledge)建立特征,然后再部署相关的机器学习算法。虽然手动特征工程对于应用机器学习很有效,但它同时也是很困难、很昂贵、很耗时、并依赖于强大专业知识。特征学习弥补了这一点,它使得机器不仅能学习到数据的特征,并能利用这些特征来完成一个具体的任务。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

语言学技术

每种人类语言都是知识和能力的复合体,语言的使用者能够相互交流,表达想法,假设,情感,欲望以及所有其他需要表达的事物。语言学是对这些知识体系各方面的研究:如何构建这样的知识体系,如何获取,如何在消息的制作和理解中使用它,它是如何随时间变化的?语言学家因此关注语言本质的一些特殊问题。比如: 所有人类语言都有哪些共同属性?语言如何不同,系统的差异程度如何,我们能否在差异中找到模式?孩子如何在短时间内获得如此完整的语言知识?语言随时间变化的方式有哪些,语言变化的局限性是什么?当我们产生和理解语言时,认知过程的本质是什么?语言学研究的就是这些最本质的问题。

量化技术

深度学习中的量化是指,用低位宽数字的神经网络近似使用了浮点数的神经网络的过程。

合合信息机构
推荐文章
暂无评论
暂无评论~