CCF人工智能领域会议立体画像

导读

会议星云图（GalaxyMap）

下图将CCF网络领域A类与B类会议引用量最高的部分论文以GalaxyMap(星云图)的形式展现：点的大小与影响力正相关；边表示会议之间的联系紧密程度；位置表示会议之间的相互关系。图中主要反映了CCF人工智能领域的AB类会议论文之间的关系，可以看出图中会议呈现出“凝散相协”的状态，即，分散之中有凝聚，凝聚之间有联系。可以发现其中几篇影响深远的论文（图中较大的点，点击可查看具体信息）在其领域内带动起了众多论文，很可能为这个领域奠定了坚实的基础。

下图将CCF网络领域A类与B类会议中领域H-index最高的部分学者以GalaxyMap(星云图)的形式展现：点代表学者，大小与该学者在网络领域的影响力相关；边连接学者与会议，表示学者与该会议之间的联系紧密程度；位置表示会议之间的相互关系。图中主要反映了CCF人工智能领域的AB类会议作者与会议的联系密切程度，可以看出图中会议大致分为五个群体，其可能因为AI领域包含五大方向（例如左下角以CVPR，ECCV，ICCV为首的会议主要集中在Computer Vision方向，并且CVPR拥趸最多，影响力最大），各个会议群体之间既有一定的联系，又有明确的界限；图中五个会议群体各据一方，并没有一个独占中心的会议。

会议中稿量分析

下图显示的是各个会议每年的录取量随时间变化的趋势。 由于某些年份部分会议（ICCV的偶数年、ECCV的奇数年等）不召开，因此对于这部分数据，为了保持曲线整体趋势，我们使用前一年该会议数据进行填充。可以看出会议规模方面有些会议表现出整体逐年上升的趋势（CVPR、AAAI等），同时也有些会议整体上保持着平稳（ICRA、AAMAS等）。

会议H-index比较

下图描述的是CCF人工智能方向的会议，从2009年到2018年的H-index变化（这里将会议看成是一个学者进行相应统计）。其中横轴由勾选中的会议组成，每个部分代表一个会议，且由10条柱组成（2009-2018年），每条柱表示截至当年该会议的H-index。该图中每个会议对应10条柱的整体高度代表着该会议近10年来整体水平；另外每个会议对应部分顶部折线的整体斜率能够代表着该会议近10年来发展的速度。

文章引用量比较

会议TOP30文章平均引用量

下图显示的是每个会议2009-2018年间截至当年引用量TOP30论文的平均引用量随时间的变化。例如在2014年，A会议TOP30论文的总他引量为6000，则A会议在2014年的TOP30论文平均引用量为2000。与H-Index类似，该图中每个会议对应10条柱的整体高度代表着该会议近10年来顶尖论文的整体水平；另外每个会议对应部分顶部折线的整体斜率能够代表着该会议或者该领域近10年来发展的速度。

所有论文平均引用量

下图显示的是每个会议2009-2018年间截至当年论文的平均引用量随时间的变化。例如，A会议截至2014年总计发表论文100篇，总共引用量为1000，则A会议在2014年的平均引用量为10。比较有趣的一点是部分会议会如ICCV、ECCV等，会有锯齿出现，这主要是因为这些会议并非每年都开，因此在没有召开的年份，由于引用量增长而总论文数不变，因此在这一年该会议平均引用量就会有一次非常大的增长。

会议核心作者图

放大可查看每个作者与其他作者之间的关系。如下图可见，Tuomas Sandholm与Craig Boutilier紧密联系，因为两人合作紧密，且有许多共同的coauthor。

会议Tradeoff统计

会议论文数与H-index tradeoff（权衡）图

下图显示的，是每个会议在2016-2018年间每年的论文数与其当年的H-index的对比图，其中横轴是文章数，纵轴是H-index。因此在该图中越偏向右上的点，则说明该会议规模越大且影响力越高。

会议论文数与平均引用量tradeoff（权衡）图

下图显示的，是每个会议在2016-2018年间截至当年的平均引用量与其论文数量的对比图，其中横轴是文章数，纵轴是平均引用量。由于该图纵轴表示的是每个会议的平均引用数目，因此在考虑论文影响力时也考虑到了每个会议的规模，但是仍旧能看出右上角的CVPR等会议依然有着很高的影响力。

国家机构统计

下图描述的是CCF人工智能领域AB类会议论文发表机构、国家的统计。可以看到在人工智能领域中，美国的科研成果仍旧领先，中国紧随其后，随之的还有日本、德国、英国等国家。图中的统计结果也反应了我国近几年在人工智能领域上实力的发展与壮大。

点击每个国家，可出现该国家的机构排行。

点击该机构，可出现该机构的论文数。

以及该机构的作者排行

-完-

Acemap｜爱思美谱

1.27亿篇论文，1.15亿学者，24000+期刊会议的学术大数据智库和可视化学术地图系统