前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >AAAI 25年数据分析:CMU贡献最大,谷歌无人车之父为最TOP作者

AAAI 25年数据分析:CMU贡献最大,谷歌无人车之父为最TOP作者

作者头像
大数据文摘
发布2019-03-04 12:50:30
7710
发布2019-03-04 12:50:30
举报
文章被收录于专栏:大数据文摘大数据文摘

文章来源:微软学术

编译:蒋宝尚

AAAI的英文全称是 Association for the Advance of Artificial Intelligence。是人工智能领域的顶级会议。第一届会议在1994年召开,到2019年已经是第33届。

今年AAAI2019召开之际,微软发布了一篇研究,对1996年以来,每年的大会论文数量、参考文献、参会研究机构、论文作者进行了一次全方位分析,一起来看看有什么有趣的结果。

会议论文接收数量变化

从上图我们看出1994年到2018年会议论文数量的变化。每一年的论文数量都有精确标注,从1994年的341篇到2018年的1201篇,近几年论文数量增长率高于以往。论文数量的变化,也恰恰反映了当前学术界对人工智能重视程度的变化。

上图中的黑条表示入选的论文平均引用多少篇参考文献,数据显示,论文发表和参考文献引用数量呈现正相关关系。绿条显示会议论文被引用的平均次数。 请注意,引用是原始计数,未按发布时间标准化。

注:平均引文(Average Citations):某一特定会议年收到的一篇AAAI论文的平均引文数。

平均参考文献(Average References):某一特定会议年的平均参考文献数

其中,引用采用的是原始计数,未按发表论文的年份进行标准化。

参考文献的时间跨度

AAAI论文引用的时间跨度有多大?上图可以给你一个清晰的展示。 例如,在2016年,AAAI论文共引用了2015年发表的2,118篇论文,2014年发表的2,263篇论文......以此类推。

如果某些年份引用了未来年份的文章,有两种情况可以解释。 1、文章后来被发表在期刊上。 2、引用了书籍。因为数据版本的更新会影响统计。

参考文献来源分析

AAAI会议论文引用了哪些文章?参考文献的领域分布是怎么样的?

上表给出了参考文献的领域分布。左边的条形图表明了参考文献提供量最多的10个领域。AAAI、IJCAI、人工智能杂志(Journal of Artificial Inteligence)和NeuIPS成为前四名。右边的饼图显示,前10名的参考文献供给量几乎占来自AAAI论文的总引用量的29.92%。

上面的堆积条形图对参考文献的来源进行了更加的细化,通过上图,你可以看出前十名“贡献者”每年对AAAI会议的贡献情况。

AAAI论文引用情况

哪些会议或者期刊在引用AAAI论文?上面的条形图表示的是引用AAAI论文数量最多的前十个。其中,AAAI位居榜首,紧随其后的是IJCAI和AAMAS。

饼图表示,这前十个总共占全部引用量的18.5%。

和上面一样,堆积条形图对各大会议的引用情况进行了细化。每一年的情况都可以通过上图了解。

谁的论文有着较高的引用率?

谁的论文在AAAI论文中有着较高的引用率?

上图的排名根据作者发表的论文中参考文献的数量以及作者的论文被引用次数。其中,如果作者没有在AAAI会议上发表论文,排名也会有可能比较高。

根据排名,Yoshua Bengio排名第一位;Andrew Y.Ng排名第二位。

前20名学者的NIPS引文分布情况,每年更新一次。

顶级研究机构

AAAI接收的论文,有多少是顶尖的机构提供的?上面的气泡图可视化了这个问题。气泡的颜色深度与机构提供的论文总数成正比,当然,这些论文指的是被AAAI所接收的那些。

最佳作者

谁是AAAI论文的最佳作者?

接下来的三个图表根据不同的标准对作者进行了排名。

气泡图显示了按引用数量排名的AAAI作者,其中气泡颜色深度与发布数量相关。

上面的气泡图可视化了作者排名。所采用的排名指数,是由微软学术机构使用公式计算得出。X轴表示作者的排名。作者级别越高,他们就越接近右边。Y轴通过论文发表数量来控制排名。此图能够使我们识别那些虽然没有大量发表文章,但是很有影响力的作者。作者越在图表的高点,他们的综合排名就越高。在图表的右上角的作者,既有大量的论文,也有非常大的影响力。

相关报道:

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

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-02-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据文摘 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
灰盒安全测试
腾讯知识图谱(Tencent Knowledge Graph,TKG)是一个集成图数据库、图计算引擎和图可视化分析的一站式平台。支持抽取和融合异构数据,支持千亿级节点关系的存储和计算,支持规则匹配、机器学习、图嵌入等图数据挖掘算法,拥有丰富的图数据渲染和展现的可视化方案。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档