0
| 本文作者： 叢末 | 2018-09-14 09:50 |
AI 科技評論編者按：Google Scholar 自 2004 年年底推出后，影響力日益增大，在學(xué)術(shù)界也廣受好評。與影響力較大的 Web of Science 相比，谷歌學(xué)術(shù)有不少優(yōu)點：不僅能提供免費檢索，其涵蓋范圍也遠大于 Web of Science。與此同時，隨著其 Google Scholar Metric 影響力的提高，影響因子的地位也受到了沖擊。
與同類型的影響因子相比，Google Scholar Metric 有著比較明顯的優(yōu)越性：
第一，影響因子只基于過去 2 年數(shù)據(jù)進行影響力評估，而 Google Scholar Metric 統(tǒng)計了過去 5 年的數(shù)據(jù)，因而更能體現(xiàn)一個出版物的持久影響力。
第二，Google Scholar Metric 采用 h5 因子進行評價，更能體現(xiàn)出版物綜合整體實力，而不會像影響因子那樣很容易受某篇高引用文章的影響，而使影響力排名不盡合理。
第三，Google Scholar Metric 能夠更為準確的體現(xiàn)一個出版物的實際影響。一般而言，當(dāng)兩個出版物發(fā)表文章數(shù)量不同，而影響因子接近時，發(fā)表量多的文章的影響力更廣——這種差別在影響因子上看不出來，而能很明顯地體現(xiàn)在 Google Scholar Metric 上。
h 因子評價體系最初由 UCSD 物理學(xué)家 Jorge Hirsch 提出，被用于評價一個學(xué)者的影響力。該評價體系目前通?；趦蓚€數(shù)據(jù)庫進行統(tǒng)計，一個是 Web of Science，另一個就是 Google Scholar。不過現(xiàn)在，越來越多的學(xué)者開始采用 Google Scholar 進行統(tǒng)計，因其更具有廣泛的代表性。而這一趨勢勢必也將對 Google Scholar Metric 和影響因子的競爭產(chǎn)生重要的影響。
2018 年 8 月 3 日，Google Scholar 發(fā)布了 2018 年最新學(xué)術(shù)期刊和會議影響力排名。其中，Google Scholar Metric 基于 h5-index（h5 因子）和 h5-median（h5 中位數(shù)）兩項指標，來衡量期刊和會議的影響力：
h5-index（h5 因子）：指某一出版物在過去 5 年發(fā)表的論文之中，至少有 h5 篇論文，且每篇論文的引用數(shù)量不低于 h5 次。
h5-median（h5 中位數(shù)）：指進入 h5-index 的所有論文的引用中位數(shù)。
下面，雷鋒網(wǎng) AI 科技評論就聚焦人工智能、計算語言學(xué)、計算機視覺&模式識別、數(shù)據(jù)挖掘&分析
以及機器人技術(shù) 5 大模塊，對排名靠前的期刊/會議論文進行了盤點：
Artificial Intelligence（人工智能）
排名第一：NIPS（神經(jīng)信息處理系統(tǒng)進展大會）
NIPS 是 Artificial Intelligence 類目下排名最高的學(xué)術(shù)會議，它的 h5-index 為 134，h5-median 為 221，表明在 2014 年-2018 年，NIPS 至少有 134 篇論文被引用了至少 134 次；進入 h5-index 統(tǒng)計的 134 篇論文的引用中位數(shù)為 221 次。
引用量最高的是 Tomas Mikolov、Ilya Sutskever、Kai Chen、Greg S. Corrado、Jeff Dean 的論文 Distributed Representations of Words and Phrases and their Compositionality（2013），被引用了 8463 次；
引用量排名第二的是 Ilya Sutskever、Oriol Vinyals、Quoc V. Le 的論文 Sequence to Sequence Learning with Neural Networks（2014），被引用了 4036 次；
排名第三的是 Ian Goodfellow、Jean Pouget-Abadie、Mehdi Mirza、Bing Xu、David Warde-Farley、Sherjil Ozair、Aaron Courville、Yoshua Bengio 的論文 Generative Adversarial Nets（2014），被引用了 4032 次。
NIPS 始于 1987 年，最初是定位為研究探索生物和人工神經(jīng)網(wǎng)絡(luò)的互補性開放跨學(xué)科會議。隨著近年來尤其是 2012 年之后的機器學(xué)習(xí)的逐步興起，NIPS 的關(guān)注度與日俱增，成為了人工智能領(lǐng)域參與人數(shù)最多的學(xué)術(shù)會議之一。
前一周的「門票十分鐘賣光」事件的主角——便是 NIPS?；仡欐溄樱?a href="http://www.ozgbdpf.cn/news/201809/ITYDg5yiaNQThOAc.html" target="_self">http://www.ozgbdpf.cn/news/201809/ITYDg5yiaNQThOAc.html
雷鋒網(wǎng) AI 科技評論也對該會議做過專題報道：http://www.ozgbdpf.cn/special/317/201712/5a2f2e8a30a9b.html
排名第二：ICML（國際機器學(xué)習(xí)大會）
ICML 是 Artificial Intelligence 類目下排名第二的學(xué)術(shù)會議，它的 h5-index 為 113，h5-median 為 193，表明在 2014 年-2018 年，ICML 至少有 113 篇論文被引用了至少 113 次；進入 h5-index 統(tǒng)計的 113 篇論文的引用中位數(shù)為 193 次。
引用量最高的是 Sergey Ioffe、Christian Szegedy 的論文 Batch Normalization：Accelerating Deep Network Training by Reducing Internal Covariate Shift（2015），被引用了 5519 次；
引用量排名第二的是 Q Le、T Mikolov 的論文 Distributed Representations of Sentences and Documents（2014），被引用了 2465 次；
排名第三的是 Jeff Donahue、Yangqing Jia、Oriol Vinyals、Judy Hoffman、Ning Zhang、Eric Tzeng、Trevor Darrell 的論文 DeCAF：A Deep Convolutional Activation Feature for Generic Visual Recognition（2014），被引用了 2154 次。
ICML 是國際頂級的機器學(xué)習(xí)會議，它與 NIPS 一起，是機器學(xué)習(xí)與人工智能研究領(lǐng)域影響力極高的兩個主要會議。
今年的 7 月 10 日至 15 日，第 35 屆 ICML 在瑞典斯德哥爾摩舉行。ICML 今年共收到 2473 篇投遞論文，比去年的 1676 篇提高 47.6%，增幅顯著。最終入圍論文共 621 篇，接收率 25%，與去年 26% 持平。詳細請看雷鋒網(wǎng) AI 科技評論對該會議所做的專題報道：http://www.ozgbdpf.cn/special/376/201809/5b98e69d6215d.html
在 Artificial Intelligence 這個領(lǐng)域中影響力較高的是 Ilya Sutskever，他是 NIPS 排名靠前的兩篇文章的作者之一。Ilya Sutskever 是一位研究負責(zé)人，研究方向包括定點數(shù)、玻爾茲曼機、貝式網(wǎng)路、概率模型、長期依賴等，擁有 60 篇論文，引用量達 69008 次，個人 h-index 為 35。
數(shù)據(jù)來源：https://scholar.google.com/citations?view_op=top_venues&hl=en&vq=eng_artificialintelligence
排名第一：ACL（國際計算語言學(xué)協(xié)會）
ACL 是 Computational Linguistics 類目下排名最高的學(xué)術(shù)會議，它的 h5-index 為 87，h5-median 為 130，表明在 2014 年-2018 年，ACL 至少有 87 篇論文被引用了至少 87 次；進入 h5-index 統(tǒng)計的 87 篇論文的引用中位數(shù)為 130 次。
引用量最高的是 Christopher D. Manning、Mihai Surdeanu、John Bauer、Jenny Finkel、Steven J. Bethard、David McClosky 的論文 The Stanford CoreNLP Natural Language Processing Toolkit（2014），被引用了 2537 次；
引用量排名第二的是 Nal Kalchbrenner, Edward Grefenstette, Phil Blunsom 的論文 A Convolutional Neural Network for Modelling Sentences（2014），被引用了 1174 次；
排名第三的是 Marco Baroni、Georgiana Dinu、German Kruszewski 的論文 Don't count，predict! A systematic comparison of context-counting vs. context-predicting semantic vectors（2014），被引用了 755 次。
ACL 起于 1963 年，每年舉辦一次，是世界上影響力最大、最具活力的國際學(xué)術(shù)組織之一，也是自然語言處理和計算機語言學(xué)最頂尖的會議之一，其會員遍布世界各地，被 CCF（中國計算機學(xué)會）認定為 A 類國際學(xué)術(shù)會議，涵蓋領(lǐng)域包括語言分析、信息抽取、機器翻譯與自動問答等。
ACL 2018 于 7 月 15 日-7 月 20 日在墨爾本召開。本屆會議共收到 1621 篇投稿（長文 1045 篇，短文 576 篇），錄取文章約占投稿總量的 20%。雷鋒網(wǎng) AI 科技評論也對該會議進行了專題報道：http://www.ozgbdpf.cn/special/362/201807/5b4ea4c112f5c.html
排名第二：EMNLP（自然語言處理實證方法會議）
EMNLP 是 Computational Linguistics 類目下排名第二的學(xué)術(shù)會議，它的 h5-index 為 76，h5-median 為 132，表明在 2014 年-2018 年，EMNLP 至少有 76 篇論文被引用了至少 76 次；進入 h5-index 統(tǒng)計的 76 篇論文的引用中位數(shù)為 132 次。
引用量最高的是 Jeffrey Pennington、Richard Socher、Christopher D. Manning 的論文 GloVe：Global Vectors for Word Representation（2014），被引用了 4581 次；
引用量排名第二的是 Kyunghyun Cho、Bart van Merrienboer、Caglar Gulcehre、Dzmitry Bahdanau、Fethi Bougares、Holger Schwenk、Yoshua Bengio 的論文 Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation（2014），被引用了 2904 次；
排名第三的是 Yoon Kim 的論文 Convolutional Neural Networks for Sentence Classification（2014），被引用了 2379 次。
EMNLP 是自然語言處理領(lǐng)域的頂級會議，由 ACL 學(xué)會下屬特殊興趣小組 SIGDAT（ACL Special Interest Group on Linguistic data and Corpus-based Approachesto NLP）組織，每年召開一次。近幾年的 EMNLP 會議都吸引了來自學(xué)術(shù)界和企業(yè)界的近千人參加，論文投稿數(shù)目也有上千篇。
雷鋒網(wǎng) AI 科技評論也對該會議做過專題報道：http://www.ozgbdpf.cn/special/374/201809/5b98e4ae8244f.html
Computational Linguistics 領(lǐng)域影響力較高的學(xué)者是 Christopher D. Manning，他是斯坦福大學(xué)的計算機科學(xué)與語言學(xué)系的教授，研究方向包括知識管理、計算機科學(xué)、自然語言/自然語言處理、索引器等，擁有 450 篇論文，引用量達次 114071，個人 h-index 為 109。
數(shù)據(jù)來源：https://scholar.google.com/citations?view_op=top_venues&hl=en&vq=eng_computationallinguistics
排名第一：CVPR（IEEE 國際計算機視覺與模式識別會議）
CVPR 是 Computer Vision&Pattern Recognition 類目下排名最高的學(xué)術(shù)會議，它的 h5-index 為 188，h5-median 為 302，表明在 2014 年-2018 年，CVPR 至少有 188 篇論文被引用了至少 188 次；進入 h5-index 統(tǒng)計的 188 篇論文的引用中位數(shù)為 302 次。
引用量最高的是 Kaiming He、Xiangyu Zhang、Shaoqing Ren、 Jian Sun 的論文 Deep Residual Learning for Image Recognition（2016），被引用了 10480 次；
引用量排名第二的是 Christian Szegedy、Wei Liu、 Yangqing Jia、 Pierre Sermanet、 Scott Reed、Dragomir Anguelov、Dumitru Erhan、Vincent Vanhoucke、Andrew Rabinovich 的論文 Going Deeper With Convolutions（2015），被引用了 8310 次；
排名第三的是 Ross Girshick、Jeff Donahue、Trevor Darrell、Jitendra Malik 的論文 Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation（2014），被引用了 5681 次。
CVPR 一直都是計算機視覺、模式識別、機器學(xué)習(xí)和人工智能領(lǐng)域最受關(guān)注的會議之一。隨著計算機視覺及人工智能越來越受到廣泛關(guān)注，參會人數(shù)與日增加，每年的論文提交數(shù)量也水漲船高。
CVPR 2018 于 6 月 18 日至 22 日在美國鹽湖城召開，今年會議收到了 3359 份投遞論文 。為了審閱這些文章，組委會甚至另外邀請了 108 位 Area Chairs。雷鋒網(wǎng) AI 科技評論也對該會議進行了專題報道：http://www.ozgbdpf.cn/special/349/201805/5b0ba5e25fdfa.html
排名第二：ICCV（IEEE 計算機視覺國際會議）
ICCV 是 Computer Vision&Pattern Recognition 類目下排名第二的學(xué)術(shù)會議，它的 h5-index 為 124，h5-median 為 204，表明在 2014 年-2018 年，ICCV 至少有 124 篇論文被引用了至少 124 次；進入 h5-index 統(tǒng)計的 124 篇論文的引用中位數(shù)為 204 次。
引用量最高的是 Ross Girshick 的論文 Fast R-CNN（2015），被引用了 2912 次；
引用量排名第二的是 Kaiming He、 Xiangyu Zhang、Shaoqing Ren、 Jian Sun 的論文 Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification（2015），被引用了 2805 次；
排名第三的是 Heng Wang、Cordelia Schmid 的論文 Action Recognition with Improved Trajectories（2013），被引用了 1513 次。
ICCV 被譽為計算機視覺領(lǐng)域三大頂級會議之一（另外兩個為 CVPR、ECCV），其論文集代表了計算機視覺領(lǐng)域最新的發(fā)展方向和水平。此外，對于公司和研究機構(gòu)而言，在其中發(fā)表的論文的量與質(zhì)可以衡量一個公司或者研究機構(gòu)的學(xué)術(shù)水平，以及其對未來科技發(fā)展潮流的把握。
雷鋒網(wǎng) AI 科技評論也對該會議做過專題報道：http://www.ozgbdpf.cn/special/377/201809/5b98e8c76309d.html
Computer Vision&Pattern Recognition 領(lǐng)域影響力較高的華人學(xué)者是何愷明，他是 Facebook AI Research（FAIR）的研究科學(xué)家，研究方向包括計算機視覺、深度學(xué)習(xí)等，擁有 66 篇論文，引用量達次 36111，個人 h-index 為 35。
數(shù)據(jù)來源：https://scholar.google.com/citations?view_op=top_venues&hl=en&vq=eng_computervisionpatternrecognition
排名第一：SIGKDD （數(shù)據(jù)挖掘及知識發(fā)現(xiàn)國際會議）
SIGKDD 是 Data Mining & Analysis 類目下排名最高的學(xué)術(shù)會議，它的 h5-index 為 77，h5-median 為 117，表明在 2014 年-2018 年，SIGKDD 至少有 77 篇論文被引用了至少 77 次；進入 h5-index 統(tǒng)計的 77 篇論文的引用中位數(shù)為 117 次。
引用量最高的是 Tianqi Chen、Carlos Guestrin 的論文 XGBoost：A Scalable Tree Boosting System（2016），被引用了 1070 次；
引用量排名第二的是 Bryan Perozzi、Rami Al-Rfou、Steven Skiena 的論文 DeepWalk: online learning of social representations（2014），被引用了 850 次；
排名第三的是 Xin Dong, Evgeniy Gabrilovich、Geremy Heitz、Wilko Horn、Ni Lao、Kevin Murphy、Thomas Strohmann、Shaohua Sun、Wei Zhang 的論文 Knowledge vault：a web-scale approach to probabilistic knowledge fusion（2014），被引用了 659 次。
SIGKDD 是 ACM 在數(shù)據(jù)挖掘領(lǐng)域的頂級學(xué)術(shù)會議，每年都吸引著超過 2000 位來自世界各地的頂級數(shù)據(jù)挖掘?qū)W者，以及知名企業(yè)代表前來參加。
今年，SIGKDD 2018 于 8 月 19 日至 23 日在英國倫敦召開，雷鋒網(wǎng) AI 科技評論也到現(xiàn)場，為大家?guī)硪痪€精彩報道：http://www.ozgbdpf.cn/special/369/201808/5b72338d8cbb8.html
排名第二：TKDE（IEEE 數(shù)據(jù)工程和知識匯刊）
TKDE 是 Data Mining & Analysis 類目下排名第二的學(xué)術(shù)期刊，它的 h5-index 為 77，h5-median 為 108，表明在 2014 年-2018 年，TKDE 至少有 77 篇論文被引用了至少 77 次；進入 h5-index 統(tǒng)計的 77 篇論文的引用中位數(shù)為 108 次。
引用量最高的是 Xindong Wu、 Xingquan Zhu、 Gong-Qing Wu 的論文 Data mining with big data（2014），被引用了 1588 次；
引用量排名第二的是 Pavel Shvaiko、Jér?me Euzenat 的論文 Ontology Matching: State of the Art and Future Challenges（2013），被引用了 994 次；
排名第三的是 Min-Ling Zhang、Zhi-Hua Zhou 的論文 A Review on Multi-Label Learning Algorithms（2014），被引用了 798 次。
IEEE TKDE 期刊是知識和數(shù)據(jù)工程領(lǐng)域中最具影響力的刊物，主要關(guān)注知識發(fā)現(xiàn)和數(shù)據(jù)挖掘、數(shù)據(jù)庫和數(shù)據(jù)建模、并行分布式數(shù)據(jù)管理系統(tǒng)、數(shù)據(jù)密集型可擴展計算系統(tǒng)結(jié)構(gòu)、移動系統(tǒng)、搜索引擎以及數(shù)據(jù)工程應(yīng)用等領(lǐng)域的最新研究進展和技術(shù)。該期刊每年出版12期，共收錄130篇文章左右。
Data Mining & Analysis 領(lǐng)域影響力較高的華人學(xué)者是陳天奇，他是 華盛頓大學(xué)計算機系博士生，深度學(xué)習(xí)編譯器 TVM 發(fā)明人，研究方向包括大規(guī)模機器學(xué)習(xí)、陣列信號處理、方位估計等，擁有 126 篇論文，引用量達 3418 次，個人 h-index 為 17。
數(shù)據(jù)來源：https://scholar.google.com/citations?view_op=top_venues&hl=en&vq=eng_datamininganalysis
排名第一：ICRA （國際機器人與自動化會議）
ICRA 是 Robotics 類目下排名第一的學(xué)術(shù)會議，它的 h5-index 為 75，h5-median 為 104，表明在 2014 年-2018 年，ICRA 至少有 75 篇論文被引用了至少 75 次；進入 h5-index 統(tǒng)計的 75 篇論文的引用中位數(shù)為 104 次。
引用量最高的是 Christian Forster、Matia Pizzoli、Davide Scaramuzza 的論文 SVO：Fast semi-direct monocular visual odometry（2014），被引用了 629 次；
引用量排名第二的是 Christian Kerl、Jürgen Sturm、Daniel Cremers 的論文 Robust odometry estimation for RGB-D cameras（2013），被引用了 331 次；
排名第三的是 Thomas Whelan、Hordur Johannsson、Michael Kaess 的論文 Robust real-time visual odometry for dense RGB-D mapping（2013），被引用了 274 次。
ICRA 是 IEEE 機器人與自動化學(xué)會（IEEE Robotics and Automation Society）的旗艦會議，同時也是機器人研究者展示他們工作的重要論壇，它將機器人和自動化領(lǐng)域的學(xué)者專家聚集起來，使他們能夠通過展示和討論科研成果進行技術(shù)交流。ICRA 成立于 1984 年，每年舉行一次。
ICRA 2018 于 5 月 21 日-24 日在澳大利亞布里斯班舉辦，雷鋒網(wǎng) AI 科技評論也到現(xiàn)場對該會議進行了專題報道：http://www.ozgbdpf.cn/special/345/201805/5b00d8d903d15.html
排名第二： T MECH（IEEE/ASME 機電一體化期刊）
T MECH 是 Robotics 類目下排名第二的學(xué)術(shù)期刊，它的 h5-index 為 62，h5-median 為 89，表明在 2014 年-2018 年，T MECH 至少有 62 篇論文被引用了至少 62 次；進入 h5-index 統(tǒng)計的 62 篇論文的引用中位數(shù)為 89 次。
其中，引用量最高的是 Jianyong Yao、Zongxia Jiao、Dawei Ma 的論文 High-Accuracy Tracking Control of Hydraulic Rotary Actuators With Modeling Uncertainties（2014），被引用了 278 次；引用量排名第二的是 Sangok Seok、 Cagdas Denizel Onal、 Kyu-Jin Cho 的論文 Meshworm: A Peristaltic Soft Robot With Antagonistic Nickel Titanium Coil Actuators（2013），被引用了 232 次；排名第三的是 Shen Yin、Zenghui Huang 的論文 Performance Monitoring for Vehicle Suspension System via Fuzzy Positivistic C-Means Clustering Based on Accelerometer Measurements（2015），被引用了 212 次。
在今年最新《期刊引證報告》中，T MECH 期刊的影響因子在工業(yè)、制造領(lǐng)域排名第 1，高達 4.357。T MECH 是雙月刊，致力于介紹機電一體化的最新進展和實際應(yīng)用情況，涵蓋機電一體化理論、實踐等方面，機械工程、電子、智能計算機控制在工業(yè)產(chǎn)品和工藝的設(shè)計及制造中的協(xié)同整合等領(lǐng)域。
Robotics 技術(shù)領(lǐng)域影響力較高的華人學(xué)者是焦宗夏，他是北京航空航天大學(xué)自動化科學(xué)與電氣工程學(xué)院的院長、教授和博導(dǎo)，研究方向包括流體傳動與控制、機電系統(tǒng)集成設(shè)計、線性與非線性系統(tǒng)控制、流固耦合力學(xué)等，擁有 236 篇論文，引用量達 1034 次，個人 h-index 為 15。
數(shù)據(jù)來源：https://scholar.google.com/citations?view_op=top_venues&hl=en&vq=eng_robotics
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
