今年 6 月，機器學習領域頂會 ICML 2019 將在美國舉行。為了幫助大家更好了解會議論文的情況，博世（Bosch）的分析人員對 ICML 2019 的論文進行了可視化分析。營長在此基礎上進一步對比了 2018 和 2019 兩年的論文接收情況，并重點分析了幾個主要機構在 ICML 2019 投遞的論文中重點關注的方向。

ICML 是在人工智能研究者中享有盛譽的頂級會議，被該會議接收的論文數量一定程度上也代表了各高校企業的科研實力。今年 4 月，ICML 2019 官網公布了已接受的論文列表 ，為了幫助大家更好的了解 ICML 2019 的情況，在接下來的內容中，首先會對比 ICML 2018 和 ICML 2019 兩年被接收論文的研究機構的情況；在第二部分，會對 ICML 2019 論文接收列表進行可視化分析；最后，營長列出今年幾個重點機構關注的研究方向。希望本文能夠幫助大家對 ICML 會議有更加深入的了解。

據悉，ICML 2019 即將于 6 月 10 日至 15 日在美國長灘召開，CVPR 2019 也將于 6 月 16 日接棒在長灘召開，營長建議能去現場參會的小伙伴們，ICML 結束后，不妨再去 CVPR 逛逛，相信會有不小的收獲。

對比 ICML 2018

排名前20的機構對比

為了進一步了解 ICML 2018 與 2019 兩年接收論文的情況，營長根據論文第一作者的通訊單位對這兩年的論文進行統計與可視化，這里主要展示論文接收數量排名前 20 的高校或企業。

（圖：AI科技大本營統計）

通過對比 2018 年和 2019 年的論文接收情況可以發現，谷歌依舊強勢領跑，如果將 DeepMind 的接收論文也統計在內，今年，一作以 Google 發表的論文數量達到了 60 篇，署名 Google 的論文總數高達104篇，科研實力可見一斑。緊隨其后的就是以斯坦福大學、MIT、CMU、UC伯克利為首的一流高校，他們都保持著論文高產的穩定趨勢。另外，歐洲的一些研究機構也榜上有名，比如 ETH、EPFL、INRIA 等學術機構。

通過上圖的統計還可以發現， ICML 會議論文的主要貢獻者還是學術研究機構，谷歌僅憑一己之力難以跟高校隊對抗，這和對整體情況的分析保持一致。特別要提出的是，相比于 ICML 2018，國內的研究成果有著顯著地進步，清華大學以一作論文 14 篇的成績位居第 9 名，北京大學也進入了前 20 名的行列。雖然與國外高校還存在一定的差距，但這樣的進步讓我們看到了國內大學在人工智能領域不斷的努力與探索。

國內高校論文接收情況對比

接下來重點看一下國內的研究成績單。下圖展示了國內學界與業界論文接收情況的對比，可以看出，相較去年，今年國內高校的研究成果都有大幅提升：以清華、北大為首，南京大學、上海交通大學與香港中文大學緊隨其后。在南京大學接收的 4 篇論文中，周志華教授有 2 篇研究論文入選。

（圖：AI科技大本營統計）

今年，國內企業在 ICML 會議上的成果則顯得較為低調，據目前公開資料統計，僅有少量的研究成果，其中，騰訊、阿里巴巴等科技公司依然領跑。

ICML 2019 可視化

排名前50的論文貢獻機構

博世對 ICML 2019 論文貢獻機構的可視化分析

在上圖中，博世對具有從屬關系的機構進行了合并，例如 Google 包含了 Google Inc.、Google AI、Google UK 。該排名以機構貢獻的論文總數為準。其中，紅色代表以一作發表論文的數量，綠色代表論文的最后一位署名作者屬于該機構。

可以看到，在排名前 10 的機構中，學術機構和公司基本各占一半，但Google 的接收論文的總數遙遙領先。

博世對 ICML 2019 論文貢獻機構的可視化分析-僅包含學術機構

博世對 ICML 2019 論文貢獻機構的可視化分析-僅包含企業

博世的分析人員也對學界和業界的論文接收情況分別進行了分析。可以發現，在學界，國外排名前四的高校分別為 MIT、UC伯克利、斯坦福大學和 CMU。國內院校，清華大學、北京大學、南京大學、上海交通大學、香港中文大學上榜。國外企業成果方面，排名前四的機構為 Google、微軟、 Facebook 和 IBM 。國內企業中，騰訊、阿里巴巴、華為、百度等榜上有名。

（圖：AI科技大本營統計）

通過對比學界和業界的論文數量，博世的分析人員認為， ICML 2019 仍為一場學術界占主導的會議。學界、工業界機構署名論文比例如圖所示。

（圖：AI科技大本營統計）

通過對論文數量進行累加，得到學界和工業界的論文數量分布如圖所示。

排名前 100 的論文作者

博世的分析人員對論文作者也進行了統計，并給出了排名前 100 的論文作者可視化圖表，并對獨立作者、一作、最后一名作者進行了單獨區分，分別用黃色、紅色和綠色表示。

博世對 ICML 2019 論文作者的可視化分析

通過排名統計顯示可看到， Michael Jordan 有7篇論文被接收，排名第一； EPFL 的 Volkan Cevher 和 UC Berkley 的 Sergey Levine 各有 6 篇論文，并列第二。在國內的學者中，清華大學的朱軍、微軟亞研的劉鐵巖、清華大學龍明盛等研究者都有 4 篇論文被接收。

博世對獨立作者和一作的可視化分析

為了對作者排名有更詳細的分析，博世對獨立作者和一作作者進行了單獨的可視化分析。其中，黃色代表獨立作者，橙色代表一作。

另外，考慮到實驗室或研究團隊的領頭人一般都為論文的最后一名署名作者，為了解機器學習領域的資深研究者，博世對最后一名作者的情況進行了可視化，如下圖。

各家研究重點

介紹完各個學術機構與企業在 ICML 2019 上的表現，我們來看一下幾個重點機構發表論文的主要關注內容。

Google&DeepMind

作為 ICML 接收論文的第一產出企業，谷歌正在研究的內容基本上可以代表現在人工智能領域比較熱門與前沿的問題。接收的論文大多關于強化學習、隨機理論、深度學習、大規模機器學習、對抗生成網絡等熱門問題，同時也包括如文本翻譯、音樂自動生成等應用方面的研究。雖然 Google 接收的論文數量很多，但營長仍然建議讀者簡要看一下論文，有助于緊跟科研前沿。

CMU

今年，卡內基梅隆大學最先放出了署名為 CMU 的 ICML 2019 接收論文，共有 33 篇，比許多企業都早。卡耐基梅隆大學提交的論文研究內容主要關于核優化、強化學習、遷移學習、深度學習基礎理論等方面。論文涉及的研究問題非常多樣，具體的研究內容可以等論文全部放出來后，進行深入閱讀和研究。

清華大學

清華大學在 ICML 2019 的表現非常搶眼，其中朱軍教授帶領的研究團隊就有四篇論文被接收。朱軍教授創建了貝葉斯深度學習庫，能夠支持多種生成模型，如話題模型、變分貝葉斯等等。清華大學在今年 ICML 會上提交論文的研究重點則涉及變分貝葉斯加速、遷移學習、深度學習優化等問題。可見機器學習與深度學習的基礎理論研究仍是研究熱點。

總結

以上就是營長為大家提供的 ICML 會議論文情況，希望通過閱讀本文，大家對 ICML 會議有了更深入的了解。文中所有引用的數據均根據公開資料顯示，如有數據誤差、統計不全，可與 AI科技大本營編輯部聯系，后續論文跟蹤與報道還可以繼續關注我們！

最后附上論文接受列表：

https://icml.cc/Conferences/2019/AcceptedPapersInitial