劍橋大學(xué)數(shù)據(jù)科學(xué)家Marek Rei在個(gè)人博客上發(fā)布了2018年國際頂尖學(xué)術(shù)會議上發(fā)表的機(jī)器學(xué)習(xí)和NLP相關(guān)論文的數(shù)據(jù)統(tǒng)計(jì)。數(shù)據(jù)顯示，無論是頂會論文發(fā)表數(shù)量還是會議出席人數(shù)，都表明AI領(lǐng)域仍處于快速的增長期，“AI寒冬”并未到來。

2018年已過經(jīng)去，各類盤點(diǎn)還在繼續(xù)。

近日，劍橋大學(xué)數(shù)據(jù)科學(xué)家Marek Rei在個(gè)人博客上更新了2018年國際頂尖學(xué)術(shù)會議上發(fā)表的機(jī)器學(xué)習(xí)和NLP相關(guān)論文的數(shù)據(jù)統(tǒng)計(jì)。

雖然2018年“AI寒冬”的警告不絕于耳，但Marek Rei的這份數(shù)據(jù)顯示，去年在AI相關(guān)領(lǐng)域，無論是頂會論文發(fā)表數(shù)量還是會議出席人數(shù)，都表明AI領(lǐng)域仍處于快速的增長期，2018年的統(tǒng)計(jì)數(shù)據(jù)打破了此前的多項(xiàng)紀(jì)錄。

最值得注意的是，今年的NeurIPS會議的門票在開票后僅11分38秒即告售罄，堪比春運(yùn)火車票，令無數(shù)準(zhǔn)備參會或圍觀大牛的熱心觀眾唏噓不已。

本文提供了關(guān)于這些統(tǒng)計(jì)數(shù)字的更精細(xì)的分類數(shù)據(jù)信息，一起來看看哪些作者和機(jī)構(gòu)在特定的學(xué)術(shù)會議上發(fā)表的論文數(shù)最多。

今年的統(tǒng)計(jì)信息中涵蓋了下列會議/期刊：

ACL、EMNLP、NAACL、EACL、COLING、TACL、CL，CoNLL、NeurIPS、ICML、ICLR和AAAI。

上述會議/期刊基本涵蓋了全球最知名、級別最高的機(jī)器學(xué)習(xí)自然語言語言技術(shù)成果出處。與2017年的數(shù)據(jù)相比去掉了SemEval，因?yàn)樵摃h主要關(guān)注共享作者的論文，本次統(tǒng)計(jì)也沒有將合作成果的數(shù)據(jù)收錄在其他會議中。

今年的統(tǒng)計(jì)數(shù)據(jù)中新收錄了AAAI，這是一個(gè)規(guī)模較大的會議，之前的統(tǒng)計(jì)中未收錄。 NeurIPS（前NIPS）去年進(jìn)行了更名，但為了保持一致性，在之前年份的數(shù)據(jù)內(nèi)容中一律統(tǒng)一使用新名稱。

統(tǒng)計(jì)數(shù)據(jù)的抓取和分析是通過一系列腳本自動完成的，多年來，這些自動腳本一直在不斷改進(jìn)。論文列表是通過在線程序抓取的，通常也附帶有作者信息。組織機(jī)構(gòu)名稱需要直接從PDF中提取，這可能會導(dǎo)致一些錯(cuò)誤。為此我已經(jīng)采取各種方法來檢測和映射不同類型的機(jī)構(gòu)名，來盡量避免這些錯(cuò)誤。

這篇文章重點(diǎn)介紹了近年來發(fā)表論文數(shù)量最多的作者和機(jī)構(gòu)，但這里要指出，不能將發(fā)表論文的數(shù)量作為研究領(lǐng)域中一味追求或獎(jiǎng)勵(lì)的目標(biāo)，而且論文數(shù)量的快速增長，并不代表研究質(zhì)量的快速提高。

寫出一篇具有開創(chuàng)性意義的論文，要比發(fā)表10篇很快就被人遺忘的論文更了不起。此文的目的是為了給相關(guān)領(lǐng)域的人員提供一個(gè)更廣的視角，也可能為心懷優(yōu)秀創(chuàng)意的新研究人員提供一些靈感。

關(guān)注每位作者在不同年份發(fā)表的論文數(shù)量，按照兩年為單位，Chris Dyer仍然顯得一枝獨(dú)秀，Yue Zhang和 Ming Zhou緊隨其后。

2012-2018年全球會議/期刊論文數(shù)量變化情況

先來看看2012-2018年間統(tǒng)計(jì)收錄的會議上的會議論文。大多數(shù)機(jī)器學(xué)習(xí)會議上發(fā)表的論文數(shù)量都呈現(xiàn)持續(xù)增長態(tài)勢，其中發(fā)表在AAAI和NeurIPS上的論文超過1000篇。 EMNLP和NAACL也逐年連創(chuàng)新高。ACL和COLING則變化不是很大。 EACL今年休會，TACL和CL的論文數(shù)量多年來保持相對平穩(wěn)。

作者情況統(tǒng)計(jì)

接下來，看看2018年在這些會議上發(fā)表過論文的作者情況。有三位研究人員分別發(fā)表了22篇論文，論文數(shù)量排名并列第一，分別是：周明（微軟），格雷厄姆·紐比格（卡內(nèi)基梅隆大學(xué)）和謝爾蓋·萊文（加州大學(xué)伯克利分校） 。緊隨其后的是張潼（曾供職騰訊AI，最近離職），孫茂松（清華大學(xué)）和Iryna Gurevych（達(dá)姆施塔特工業(yè)大學(xué)）。

再來看看2012-2018之間的發(fā)表論文總數(shù)，Chris Dyer（DeepMind）以97篇排名榜首。緊隨其后的是周明（微軟）、Yoshua Bengio（蒙特利爾大學(xué)），張?jiān)溃ㄎ骱髮W(xué)）和Noah A.Smith（華盛頓大學(xué)）。大多數(shù)作者明顯更傾向于在自然語言處理或機(jī)器學(xué)習(xí)的核心會議，Percy Liang可能是個(gè)例外，在期刊和會議上發(fā)表的論文數(shù)量基本差不多。

還可以查看不同年份每位作者的論文數(shù)量。可以看到，Chris Dyer在2015-2016年間發(fā)表的論文數(shù)量增長驚人。

一作情況統(tǒng)計(jì)

接下來是關(guān)于論文第一作者的統(tǒng)計(jì)數(shù)據(jù)。論文的第一作者通常是那些實(shí)際操作、實(shí)驗(yàn)并撰寫論文的大部分內(nèi)容的人，是反映作者對論文成果貢獻(xiàn)度的重要指標(biāo)之一。

在這項(xiàng)統(tǒng)計(jì)中，位列榜首的是Yi Tay（南洋理工大學(xué)），他是一名三年級博士生，在2018年的學(xué)術(shù)會議上共發(fā)表了10篇一作論文，令人印象深刻。第二名為朱澤園（Zeyuan Allen-Zhu），去年共發(fā)表6篇一作論文。排在之后的分別是Mikel Artetxe，Jiatao Gu（香港大學(xué)），Dinghan Shen（杜克大學(xué)）和Nathan Kallus（康奈爾大學(xué)）去年共發(fā)表5篇一作論文。

再來看看發(fā)表論文總數(shù)，李紀(jì)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(xué)）和 Ivan Vuli?（劍橋大學(xué)）。

組織機(jī)構(gòu)發(fā)表論文情況

接下來是企業(yè)和研究機(jī)構(gòu)發(fā)表論文的統(tǒng)計(jì)數(shù)據(jù)。與前兩年一樣，CMU在2018年發(fā)文數(shù)仍然位居第一，自然語言處理和機(jī)器學(xué)習(xí)主題之間的論文數(shù)量差距相對均勻。從企業(yè)方面來看，谷歌和微軟仍然是行業(yè)的領(lǐng)導(dǎo)者，清華大學(xué)、斯坦福大學(xué)、北京大學(xué)、麻省理工學(xué)院和加州大學(xué)伯克利分校都位列頂級機(jī)構(gòu)之列。

從2012年至2018年的整個(gè)時(shí)段來看，排名實(shí)際上沒有太多變化。CMU仍然處高居第一，微軟和谷歌得而排名則換了個(gè)位置。普林斯頓大學(xué)、INRIA和杜克大學(xué)似乎專注于機(jī)器學(xué)習(xí)領(lǐng)域，幾乎沒有在NLP領(lǐng)域發(fā)表文章。相比之下，北京大學(xué)、中科院和愛丁堡大學(xué)似乎更重視NLP方向，沒有在NeurIPS /ICML上發(fā)表什么文章。

從時(shí)間分布來看，CMU在過去幾年內(nèi)一直保持高產(chǎn)，并且仍在繼續(xù)增長。谷歌和微軟一直在爭奪企業(yè)界的榜首位置，但目前谷歌似乎取得了領(lǐng)先地位。清華、北大等中國大學(xué)目前的論文發(fā)表數(shù)量正在迅猛上漲。

論文研究話題的分布

最后是關(guān)于論文作者和組織機(jī)構(gòu)發(fā)表論文主題的一些分類。我收集了與指定作者/組織機(jī)構(gòu)相關(guān)的所有論文，全部小寫處理，加上標(biāo)記，然后傳遞給LDA，再用t-SNE進(jìn)行可視化，顯示出了他們的論文內(nèi)容與圖中其他人內(nèi)容的相似關(guān)系。結(jié)果如下：