AI領域主要期刊和會議

International Journal of Computer Vision (IJCV)

IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE PAMI)

IJCV和IEEE PAMI是計算機科學技術與人工智能領域的頂級期刊，2006年度的SCI影響因子分別為6.085和4.306。

AAAI Conference on Artificial Intelligence 美國人工智能會議

International Conference on Machine Learning ICML

在人工智能(AI)和模式分類的領域，最頂級的期刊:

Journal of Machine Learning Research(JLMR)

IEEE Trans PAMI

Machine Learning (ICML)

IJCV(偏重圖像)

人工智能領域頂級會議IJCAI和AAAI、自然語言處理領域頂級會議ACL、信息檢索領域頂級會議SIGIR、互聯網領域頂級會議W

WW 國際頂級學術會議SIGIR、AAAI、COLING（自然語言處理領域頂級會議International Conference on Computati

onal Linguistics）

?

主要學術會議

Int. Conf. on Computer Vision and Pattern Recognition (CVPR);

Int. Conf. on Computer Vision(ICCV);

European Conf. on Computer Vision(ECCV);

Asian Conf. on Computer Vision(ACCV); ．

Int. Conf. on Pattern Recognition(ICPR);

?

主要學術期刊

Int. J on Computer Vision(IJCV)

IEEE Trans. on Pattern Analysis and Machine Intelligence(PAMI)

IEEE Trans. on Image Processing

Pattern Recognition

Image and Vision Computing

Pattern Recognition Letter

2008年計算機頂級期刊影響因子統計。

ACM COMPUT SURV CSUR 9.92

（）

IEEE T PATTERN ANAL TPAMI 5.96

（）

INT J COMPUT VISION IJCV 5.358

（）

BIOINFORMATICS 4.328

IEEE T INFORM THEORY 3.793

IEEE T NEURAL NETWOR TNN) 3.726

（

ARTIF INTELL （AIJ） 3.397

ACM T GRAPHIC 3.383

IEEE T IMAGE PROCESS TIP 3.315

（）

PATTERN RECOGN （PR） 3.279

J MACH LEARN RES JMLR 3.116

（）

COMPUT LINGUIST 2.656

COMMUN ACM 2.646

ACM T COMPUT SYST （TOCS） 2.391

NEURAL COMPUT （NC） 2.378

J ACM 2.339

MACH LEARN （ML） 2.326

IEEE T MULTIMEDIA TMM 2.288

（）

IEEE T KNOWL DATA EN （TKDE） 2.236

COMPUT VIS IMAGE UND CVIU 2.22

（）

KNOWL INF SYST （KAIS） 1.733

ACM T DATABASE SYST （TODS） 1.613

J ARTIF INTELL RES （JAIR） 1.611

ACM T INFORM SYST （TOIS） 1.472

今年IEEE的trans還是比較穩定，ACM的期刊好慘，影響因子普遍都比較低（當然除了CSUR了，這個期刊只刊登綜述，一年也就刊

登 10-15篇左右的文章，當然影響因子高了），大名鼎鼎的TOCS,TODS都沒超過3，還有TOIS居然只有1.472，排了倒數第一，

真是氣死人了。還有就是JACM，這個號稱只刊登“對計算機未來發展有重要影響”文章的期刊，影響因子都僅有2.339。PAMI和IJCV

還是“剛剛的”，貌似這些年都沒退出過前三。PR進步神速啊，以前都只能是leading級別，現在躍升top級別了。JMLR弱了，往年一

般都前三，今年居然比PR都還低，或許是這幾年模式識別領域的文章太多把。NC和TKDE都有退步，我想還是不會影響其的權威性。

PS: 標紅色并且斜體加粗的是我重點關注的，其次是紅色標記的，再其次是藍色且斜體加粗的，然后就是藍色的，黑色字體的是我不怎

么關注的。

模式識別領域的期刊會議

(2010-01-03 15:27:03)

轉載

標簽：

雜談

AI 頂級會議列表

對AI領域的會議的評點

注: 本文為小百合BBS的daniel所寫

The First Class:

今天先談談AI里面tier-1的conferences, 其實基本上就是AI里面大家比較

公認的top

conference. 下面同分的按字母序排列.

IJCAI (1+): AI最好的綜合性會議, 1969年開始, 每兩年開一次, 奇數年開. 因

為AI實在太

大, 所以雖然每屆基本上能錄100多篇（現在已經到200多篇了），但分到每個

領域就沒幾篇

了，象machine learning、computer vision這么大的領域每次大概也就10篇

左右, 所以難

度很大. 不過從錄用率上來看倒不太低,基本上20%左右, 因為內行人都會掂掂

分量, 沒希望

的就別浪費reviewer的時間了. 最近中國大陸投往國際會議的文章象潮水一樣,

而且因為國

內很少有能自己把關的研究組, 所以很多會議都在complain說中國的低質量文

章嚴重妨礙了

PC的工作效率. 在這種情況下, 估計這幾年國際會議的錄用率都會降下去. 另

外, 以前的

IJCAI是沒有poster的, 03年開始, 為了減少被誤殺的好人, 增加了2頁紙的

poster.值得一

提的是, IJCAI是由貌似一個公司的"IJCAI Inc."主辦的(當然實際上并不是公

司, 實際上是

個基金會), 每次會議上要發幾個獎, 其中最重要的兩個是IJCAI Rearch

Excellence

Award 和 Computer

& Thoughts Award, 前者是終身成就獎, 每次一個人, 基本上是AI的最高獎(有

趣的是, 以

AI為主業拿圖靈獎的6位中, 有2位還沒得到這個獎), 后者是獎給35歲以下

的青年科學家,

每次一個人. 這兩個獎的獲獎演說是每次IJCAI的一個重頭戲.另外, IJCAI 的

PC member

相當于其他會議的area chair, 權力很大, 因為是由PC member去找 reviewer

來審, 而不

象一般會議的PC member其實就是 reviewer. 為了制約這種權力, IJCAI的審

稿程序是每篇

文章分配2位PC member, primary PC member去找3位reviewer, cond PC

member 找一位.

AAAI (1): 美國人工智能學會AAAI的年會. 是一個很好的會議, 但其檔次不穩

定, 可以給到

1+, 也可以給到1-或者2+, 總的來說我給它"1". 這是因為它的開法完全受

IJCAI制約: 每年

開, 但如果這一年的IJCAI在北美舉行, 那么就停開. 所以, 偶數年里因為沒

有IJCAI, 它就

是最好的AI綜合性會議, 但因為號召力畢竟比IJCAI要小一些, 特別是歐洲人

捧AAAI場的比

IJCAI少得多(其實亞洲人也是), 所以比IJCAI還是要稍弱一點, 基本上在1和

1+之間; 在奇

數年, 如果IJCAI不在北美, AAAI自然就變成了比IJCAI低一級的會議(1-或2+),

例如2005年

既有IJCAI又有AAAI, 兩個會議就進行了協調, 使得IJCAI的錄用通知時間比

AAAI的

deadline早那么幾天, 這樣IJCAI落選的文章可以投往AAAI.在審稿時IJCAI

的 PC chair也

在一直催, 說大家一定要快, 因為AAAI那邊一直在擔心IJCAI的錄用通知出晚

了AAAI就麻煩

了.

COLT (1): 這是計算學習理論最好的會議, ACM主辦, 每年舉行. 計算學習理論

基本上可以

看成理論計算機科學和機器學習的交叉, 所以這個會被一些人看成是理論計算

機科學的會而

不是AI的會. 我一個朋友用一句話對它進行了精彩的刻畫: "一小群數學家在開

會". 因為

COLT的領域比較小, 所以每年會議基本上都是那些人. 這里順便提一件有趣的

事, 因為最近

國內搞的會議太多太濫, 而且很多會議都是LNCS/LNAI出論文集, LNCS/LNAI基

本上已經被搞

臭了, 但很不幸的是, LNCS/LNAI中有一些很好的會議, 例如COLT.

CVPR (1): 計算機視覺和模式識別方面最好的會議之一, IEEE主辦, 每年舉行.

雖然題目上

有計算機視覺, 但個人認為它的模式識別味道更重一些. 事實上它應該是模式

識別最好的會

議, 而在計算機視覺方面, 還有ICCV與之相當. IEEE一直有個傾向, 要把會辦

成"盛會", 歷

史上已經有些會被它從quality很好的會辦成"盛會"了. CVPR搞不好也要走這

條路. 這幾年

錄的文章已經不少了. 最近負責CVPR會議的TC的chair發信說, 對這個

community來說, 讓好

人被誤殺比被壞人漏網更糟糕, 所以我們是不是要減少好人被誤殺的機會啊?

所以我估計明

年或者后年的CVPR就要擴招了.

ICCV (1): 介紹CVPR的時候說過了, 計算機視覺方面最好的會之一. IEEE主辦,

每年舉行.

ICML (1): 機器學習方面最好的會議之一. 現在是IMLS主辦, 每年舉行. 參見

關于NIPS的介

紹.

NIPS (1): 神經計算方面最好的會議之一, NIPS主辦, 每年舉行. 值得注意的

是, 這個會每

年的舉辦地都是一樣的, 以前是美國丹佛, 現在是加拿大溫哥華; 而且它是年

底開會,會開

完后第2年才出論文集, 也就是說, NIPS'05的論文集是06年出. 會議的名字

是"Advances

in Neural Information Processing Systems", 所以, 與ICMLECML這樣的"

標準的"機器學

習會議不同, NIPS里有相當一部分神經科學的內容, 和機器學習有一定的距離.

但由于會議

的主體內容是機器學習, 或者說與機器學習關系緊密, 所以不少人把NIPS看成

是機器學習方

面最好的會議之一. 這個會議基本上控制在Michael Jordan的徒子徒孫手中,

所以對

Jordan系的人來說, 發NIPS并不是難事, 一些未必很強的工作也能發上去, 但

對這個圈子之

外的人來說, 想發一篇實在很難, 因為留給"外人"的口子很小. 所以對Jordan

系以外的人來

說, 發NIPS的難度比ICML更大. 換句話說,

ICML比較開放, 小圈子的影響不象NIPS那么大, 所以北美和歐洲人都認, 而

NIPS則有些人(

特別是一些歐洲人, 包括一些大家)堅決不投稿. 這對會議本身當然并不是好事,

但因為

Jordan系很強大, 所以它似乎也不太care. 最近IMLS(國際機器學習學會)改選

理事, 有資格

提名的人包括近三年在ICMLECMLCOLT發過文章的人, NIPS則被排除在外了.

無論如何, 這

是一個非常好的會.

ACL (1-): 計算語言學/自然語言處理方面最好的會議, ACL (Association of

Computational Linguistics) 主辦, 每年開.

KR (1-): 知識表示和推理方面最好的會議之一, 實際上也是傳統AI(即基于邏

輯的AI)最好

的會議之一. KR Inc.主辦, 現在是偶數昕?

SIGIR (1-): 信息檢索方面最好的會議, ACM主辦, 每年開. 這個會現在小圈子

氣越來越重

. 信息檢索應該不算AI, 不過因為這里面用到機器學習越來越多, 最近幾年甚

至有點機器學

習應用會議的味道了, 所以把它也列進來.

SIGKDD (1-): 數據挖掘方面最好的會議, ACM主辦, 每年開. 這個會議歷史比

較短, 畢竟,

與其他領域相比,數據挖掘還只是個小弟弟甚至小侄兒. 在幾年前還很難把它列

在tier-1里

面, 一方面是名聲遠不及其他的top conference響亮, 另一方面是相對容易被

錄用. 但現在

它被列在tier-1應該是毫無疑問的事情了. 另: 參見sir和lucky的介紹.

UAI (1-): 名字叫"人工智能中的不確定性", 涉及表示推理學習等很多方面,

AUAI

(Association of UAI) 主辦, 每年開.

The Second Class:

tier-2的會議列得不全, 我熟悉的領域比較全一些.

AAMAS (2+): agent方面最好的會議. 但是現在agent已經是一個一般性的概念,

幾乎所有

AI有關的會議上都有這方面的內容, 所以AAMAS下降的趨勢非常明顯.

ECCV (2+): 計算機視覺方面僅次于ICCV的會議, 因為這個領域發展很快, 有可

能升級到1-

去.

ECML (2+): 機器學習方面僅次于ICML的會議, 歐洲人極力捧場, 一些人認為它

已經是1-了

. 我保守一點, 仍然把它放在2+. 因為機器學習發展很快, 這個會議的

reputation上升非常

明顯.

ICDM (2+): 數據挖掘方面僅次于SIGKDD的會議, 目前和SDM相當. 這個會只有

5年歷史, 上

升速度之快非常驚人. 幾年前ICDM還比不上PAKDD, 現在已經拉開很大距離了.

SDM (2+): 數據挖掘方面僅次于SIGKDD的會議, 目前和ICDM相當. SIAM的底

子很厚, 但在

CS里面的影響比ACM和IEEE還是要小, SDM眼看著要被ICDM超過了, 但至少目

前還是相當的.

ICAPS (2): 人工智能規劃方面最好的會議, 是由以前的國際和歐洲規劃會議合

并來的. 因

為這個領域逐漸變冷清, 影響比以前已經小了.

ICCBR (2): Ca-Bad Reasoning方面最好的會議. 因為領域不太大, 而且一

直半冷不熱,

所以總是停留在2上.

COLLING (2): 計算語言學/自然語言處理方面僅次于ACL的會, 但與ACL的差距

比ICCV-ECCV

和ICML-ECML大得多.

ECAI (2): 歐洲的人工智能綜合型會議, 歷史很久, 但因為有IJCAI/AAAI壓著,

很難往上升

.

ALT (2-): 有點象COLT的tier-2版, 但因為搞計算學習理論的人沒多少, 做得

好的數來數去

就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非計算學習理論

的內容.

EMNLP (2-): 計算語言學/自然語言處理方面一個不錯的會. 有些人認為與

COLLING相當, 但

我覺得它還是要弱一點.

ILP (2-): 歸納邏輯程序設計方面最好的會議. 但因為很多其他會議里都有ILP

方面的內容,

所以它只能保住2-的位置了.

PKDD (2-): 歐洲的數據挖掘會議, 目前在數據挖掘會議里面排第4. 歐洲人很

想把它抬起來

, 所以這些年一直和ECML一起捆綁著開, 希望能借ECML把它帶起來. 但因為

ICDM和SDM, 這

已經不太可能了. 所以今年的PKDD和ECML雖然還是一起開, 但已經獨立審稿了

(以前是可以

同時投兩個會, 作者可以聲明優先被哪個會考慮, 如果ECML中不了還可以被

PKDD接受).

The Third Class:

列得很不全. 另外, 因為AI的相關會議非常多, 所以能列在tier-3也算不錯了,

基本上能進

到所有AI會議中的前30%吧

ACCV (3+): 亞洲的計算機視覺會議, 在亞太級別的會議里算很好的了.

DS (3+): 日本人發起的一個接近數據挖掘的會議.

ECIR (3+): 歐洲的信息檢索會議, 前幾年還只是英國的信息檢索會議.

ICTAI (3+): IEEE最主要的人工智能會議, 偏應用, 是被IEEE辦爛的一個典型.

以前的

quality還是不錯的, 但是辦得越久聲譽反倒越差了, 糟糕的是似乎還在繼續

下滑, 現在其

實3+已經不太呆得住了.

PAKDD (3+): 亞太數據挖掘會議, 目前在數據挖掘會議里排第5.

ICANN (3+): 歐洲的神經網絡會議, 從quality來說是神經網絡會議中最好的,

但這個領域

的人不重視會議,在該領域它的重要性不如IJCNN.

AJCAI (3): 澳大利亞的綜合型人工智能會議, 在國家/地區級AI會議中算不錯

的了.

CAI (3): 加拿大的綜合型人工智能會議, 在國家/地區級AI會議中算不錯的了.

CEC (3): 進化計算方面最重要的會議之一, 盛會型. IJCNN/CEC/FUZZ-IEEE這

三個會議是計

算智能或者說軟計算方面最重要的會議, 它們經常一起開, 這時就叫WCCI

(World

Congress on Computational Intelligence). 但這個領域和CS其他分支不太一

樣, 倒是和

其他學科相似, 只重視journal, 不重視會議, 所以錄用率經常在85%左右, 所

錄文章既有

quality非常高的論文, 也有入門新手的習作.

FUZZ-IEEE (3): 模糊方面最重要的會議, 盛會型, 參見CEC的介紹.

GECCO (3): 進化計算方面最重要的會議之一, 與CEC相當，盛會型.

ICASSP (3): 語音方面最重要的會議之一, 這個領域的人也不很care會議.

ICIP (3): 圖像處理方面最著名的會議之一, 盛會型.

ICPR (3): 模式識別方面最著名的會議之一, 盛會型.

IEA/AIE (3): 人工智能應用會議. 一般的會議提名優秀論文的通常只有幾篇文

章, 被提名

就已經是很高的榮譽了, 這個會很有趣, 每次都搞1、20篇的優秀論文提名, 專

門搞幾個

ssion做被提名論文報告, 倒是很熱鬧.

IJCNN (3): 神經網絡方面最重要的會議, 盛會型, 參見CEC的介紹.

IJNLP (3): 計算語言學/自然語言處理方面比較著名的一個會議.

PRICAI (3): 亞太綜合型人工智能會議, 雖然歷史不算短了, 但因為比它好或

者相當的綜合

型會議太多, 所以很難上升.

Combined List:

說明: 純屬個人看法, 僅供參考. tier-1的列得較全, tier-2的不太全, tier-3

的很不全.

同分的按字母序排列. 不很嚴謹地說, tier-1是可以令人羨慕的, tier-2是可

以令人尊敬的

,由于AI的相關會議非常多, 所以能列進tier-3的也是不錯的

tier-1:

IJCAI (1+): International Joint Conference on Artificial Intelligence

AAAI (1): National Conference on Artificial Intelligence

COLT (1): Annual Conference on Computational Learning Theory

CVPR (1): IEEE International Conference on Computer Vision and Pattern

Recognition

ICCV (1): IEEE International Conference on Computer Vision

ICML (1): International Conference on Machine Learning

NIPS (1): Annual Conference on Neural Information Processing Systems

ACL (1-): Annual Meeting of the Association for Computational Linguistics

KR (1-): International Conference on Principles of Knowledge

Reprentation and

Reasoning

SIGIR (1-): Annual International ACM SIGIR Conference on Rearch and

Development in Information Retrieval

SIGKDD (1-): ACM SIGKDD International Conference on Knowledge Discovery

and

Data Mining

UAI (1-): International Conference on Uncertainty in Artificial

Intelligence

tier-2:

AAMAS (2+): International Joint Conference on Autonomous Agents and

Multiagent

Systems

ECCV (2+): European Conference on Computer Vision

IJNLP (3): International Joint Conference on Natural Language Processing

PRICAI (3): Pacific-Rim International Conference on Artificial

Intelligence