雷鋒網(wǎng) AI 科技評論按：隨著 2018 年的結束，劍橋大學高級研究員 Marek Rei 再度更新了過去一年機器學習和自然語言處理領域的論文發(fā)表統(tǒng)計數(shù)據(jù)，本次，他選擇了ACL、EMNLP、NAACL、EACL、COLING、TACL、CL、CoNLL、NeurIPS、ICML、ICLR 以及 AAAI 12 個主要的會議/期刊進行數(shù)據(jù)統(tǒng)計，從會議、作者、第一作者以及組織機構四個維度進行了論文發(fā)表數(shù)量的排名。雷鋒網(wǎng) AI 科技評論編譯如下。

今年，又到了更新過去一年機器學習和自然語言處理領域的論文發(fā)表統(tǒng)計數(shù)據(jù)的時候了。這兩個領域依舊在快速發(fā)展，無論是發(fā)表論文數(shù)量還是參會人員數(shù)量都打破了往年的記錄。今年學術會議界最轟動的事件莫過于「NeurIPS 大會正會門票 11 分鐘售罄」了。在本文中，我將針對這些數(shù)據(jù)提供詳細的統(tǒng)計，顯示在特定會議上作者或者組織機構所發(fā)表論文的數(shù)量。

2018 年，我統(tǒng)計了以下會議/期刊的數(shù)據(jù)：ACL、EMNLP、NAACL、EACL、COLING、TACL、CL、CoNLL、NeurIPS、ICML、ICLR 以及 AAAI。這種選擇是為了覆蓋機器學習和語言技術領域論文發(fā)表的最知名和高排名的會議。與去年相比，我去掉了 SemEval，因為它主要關注共享任務相關的論文，而我在其它會議中也沒有統(tǒng)計該領域的論文發(fā)表數(shù)據(jù)。同時，我添加上了 作為頂級會議之一但在過去的排名中被遺漏的 AAAI。NeurIPS（原名為 NIPS）在 2018 年改名了，為了保持名稱的一致性，我在這里將使用最新的名稱。

這個分析是通過我多年來一直在不斷改進的一系列腳本自動完成的。該論文列表抓取自在線會議錄，在那里通常也可以找到作者的姓名。組織機構的名稱則需要直接從 PDF 中提取，這就可能會帶來相當多的噪聲。我開發(fā)了各種方法來檢查各類不同的名稱并對其進行分組，但是如果你在文中發(fā)現(xiàn)了任何剩下的錯誤，請告知我。

雖然這篇文章重點介紹了近年來發(fā)表論文數(shù)最多的研究者和組織機構，但我想指出的是，我不認為論文發(fā)表數(shù)量是一個領域應該追逐或贊揚的東西。如下圖所示，該領域正變得越來越熱門，并且論文數(shù)量的快速增長也伴隨著論文質(zhì)量的參差不齊。寫 1 篇獨具開創(chuàng)性的論文總比發(fā)布 10 篇通通都容易被遺忘的充量性的論文要好。這篇文章旨在從更清晰、更高的視角來看待發(fā)表論文的研究者、組織機構以及他們在各會議上發(fā)表論文的現(xiàn)狀，或許能為有好想法的新的研究者帶來一些靈感。

會議論文發(fā)表數(shù)量排名

首先，我們來看一下所有會議在 2012-2018 年間的論文發(fā)表數(shù)量。大多數(shù)機器學習會議的論文發(fā)表數(shù)量保持繼續(xù)增長，其中 AAAI 和 NeurIPS 超過了 1000 篇論文；EMNLP 和 NAACL 的論文發(fā)表數(shù)量與往年相比也有大幅增長； ACL 和 COLING 的論文發(fā)表數(shù)量則與往年差不多；EACL 在今年沒有舉行；而 TACL 和 CL 的論文發(fā)表數(shù)量多年來一直保持相對平穩(wěn)的狀態(tài)。

（注：圖中論文發(fā)表數(shù)量為零的點，都表示會議在該年份沒有舉行。）

作者論文發(fā)表數(shù)量排名

接下來，我們來看看 2018 年在這些會議上發(fā)表論文數(shù)量最多的個人作者。其中，有三位作者的論文發(fā)表數(shù)量驚人，為 22 篇，他們分別是周明（微軟）、Graham Neubig（卡耐基梅隆大學）和 Sergey Levine（UC 伯克利）。緊隨其后的是張潼（騰訊 AI，近期離職）、孫茂松（清華大學）和 Iryna Gurevych（達姆施塔特工業(yè)大學），其中，張潼的論文發(fā)表數(shù)為為 21 篇，孫茂松和 Iryna Gurevych 則各自發(fā)表了 20 篇論文。

從 2012-2018 年的論文發(fā)表總數(shù)來看，Chris Dyer（DeepMind）仍以 97 篇論文位居榜首。緊隨其后的是周明（微軟）、Yoshua Bengio（蒙特利爾大學）、張岳（西湖大學）和 Noah A. Smith（華盛頓大學），發(fā)表的論文總數(shù)分別為 90 篇、84 篇、80 篇、79 篇。大部分作者都明確地偏愛某個領域的會議——要么偏愛 NLP 領域的會議，要么偏愛核心 ML 領域，大概只有 Percy Liang 算是個例外，他對這兩個領域都不偏不倚。

我們還可以查看每位作者在不同年份發(fā)表的論文數(shù)量。與其他作者相比，Chris Dyer 在 2015、2016 這兩年發(fā)表的論文數(shù)量引人注目，雖然張岳（西湖大學）和周明（微軟）之后也迎頭趕上了。

第一作者論文發(fā)表數(shù)量排名

然后，來看一下關于第一作者的統(tǒng)計數(shù)據(jù)。前面所提到的作者大部分都是團隊領導者，而通常第一作者才是那個實際執(zhí)行、進行實驗和撰寫論文大部分內(nèi)容的人。這類作者當中的佼佼者當屬 Yi Tay（南洋理工大學），他就讀博士三年級，2018 年以第一作者在幾個重要大會上共發(fā)表 10 篇優(yōu)秀的論文。之后是微軟研究院的朱澤園，以第一作者共發(fā)表 6 篇論文。緊隨其后的是 Mikel Artetxe、Jiatao Gu（香港大學），Dinghan Shen（杜克大學）和 Nathan Kallus（康奈爾大學），他們以第一作者各發(fā)表 5 篇論文。

再看看 2012-2018 年的論文發(fā)表總量，李紀為（香儂科技）發(fā)表了 22 篇一作論文。其后是朱澤園（微軟）、Young-Bum Kim（亞馬遜）、Ryan Cotterell（劍橋大學）和 Ivan Vuli?（劍橋大學），其中朱澤園以第一作者發(fā)表的論文數(shù)量為 18 篇，Young-Bum Kim、Ryan Cotterell 、Ivan Vuli? 均為 17 篇。

組織機構論文發(fā)表數(shù)量排名

接著，看一下關于組織機構的統(tǒng)計數(shù)據(jù)。和前兩年一樣，2018 年 CMU 再度位居榜首，其在 NLP 和核心 ML 兩個領域發(fā)表的論文數(shù)量旗鼓相當。谷歌和微軟依舊是業(yè)界領導企業(yè)，緊隨其后的是清華大學、斯坦福大學、北京大學、MIT 和伯克利大學。

此排名中，中國上榜的組織機構有清華大學、北京大學、中國科學院大學、中國科學院、上海交通大學以及香港中文大學，其中清華大學位列第四，北京大學位列第六，中國科學院大學位列第九，中國科學院位列第十一，上海交通大學以及香港中文大學則分別排在第十六、第二十四。

我們再來看一下 2012-2018 年的組織機構排名，情況類似。CMU 仍然占據(jù)榜首，微軟和谷歌分列占據(jù)第二、第三的寶座。普林斯頓大學、法國國家信息與自動化研究所（INRIA）、杜克大學的關注度似乎主要聚焦在核心 ML 領域，它們在 NLP 領域發(fā)表的論文幾乎沒有。與他們相反，清華、中科院和愛丁堡大學則主要聚焦于語言應用領域，在 NeurIPS/ICML 會議上發(fā)表了大量論文。

從下圖的時間線來看，我們可以看到 CMU 多年來都保持了大量的論文輸出，且論文輸出數(shù)量仍在繼續(xù)增長。谷歌和微軟競爭激烈，不過目前看來谷歌似乎稍占上風。清華、北大等中國的大學目前的論文輸出數(shù)量也正在劇烈增長。

主題分類

最后，我對作者和組織機構進行了主題分類。我收集了與特定作者/組織機構相關的所有論文，將它們轉換為小寫并進行令牌化（tokenized），然后用 LDA 處理，并用 t-SNE 對這些論文進行可視化。排名靠前的論文字符實體可視化效果非常好，顯示了他們的論文內(nèi)容與圖中其他論文內(nèi)容的相似度。

以上就是今年機器學習和自然語言處理領域的論文發(fā)表統(tǒng)計數(shù)據(jù)及排名。如果你在文中發(fā)現(xiàn)了任何錯誤，或者你對明年的文章有什么建議，通過留言或者發(fā)送郵件讓我知道。

via： http://www.marekrei.com/blog/ml-and-nlp-publications-in-2018/ 雷鋒網(wǎng)AI 科技評論編譯 雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。