关于历年NeurIPS 的历史趋势分析

简介: 微软学术对 1996 年到 2018 年 NeurIPS 的历史趋势分析做了可视化分析,分析内容涉及论文、引文和作者等等。

雷锋网(公众号:雷锋网) AI 科技评论按:Microsoft 学术图表使得获取关于其中的任何实体,如出版物、作者、机构、主题、期刊和会议里面的分析性见解成为可能。最近,微软学术使用Microsoft 学术图表呈现了历年 NeurIPS 会议的历史趋势数据分析。他们的分析数据是从 1996 年到 2018 年的会议数据。雷锋网 AI 科技评论编译。

NeurIPS 的论文数量

下面的图表展示了每一年会议论文数量的演变。

TB1m8DGt7voK1RjSZPfXXXPKFXa.png

注:在这个图里面,海报和研讨会论文也被计入论文数。

在下面的图表中,黑色条表示每年会议论文引用的平均论文数量。数据表明,近年的出版物倾向于引用更多的论文。绿色条显示了每年会议论文收到的引文的平均数量。请注意,引用是原始计数,不受出版年限的限制。这是因为规范化引用计数的「正确」方法被证明是一个非常重要的问题,并且很可能依赖于应用程序。以下展示的图表只是这些数据的一些初步分析结果,微软学术团队欢迎更多的研究者也参与这个话题的研究、得到更有深度的结论。

TB1OiYFt7voK1RjSZFNXXcxMVXa.png

*平均引用:一篇 NeurIPS 论文在给定会议年份收到的平均引用数量。

*平均参考:一篇 NeurIPS 论文在给定会议年份收到的平均参考数量。

NeurIPS 在 2009 年更改提交指令,以允许附加页进行引用。2009 年的平均参考文献的增加可能正是由于这一规则的改变。

参考文献的年龄

NeurIPS 论文引用的论文年龄是多大?

可以通过某一年的专栏,查看当年发表的会议论文中引用的论文的年龄。例如,在 2016 年,NeurIPS 论文集中引用了 2015 年发表的 2033 篇论文、2014 年发表的 1392 篇论文等等。

TB1shfBtYPpK1RjSZFFXXa5PpXa.png

*如果有些年份引用来自未来的出版物,很可能是下面两种情况。第一种情况,他们引用了后来发表在期刊上的论文。第二种情况,他们引用了书籍。当该书的新版本出现时,它取代了微软学术图表中的前一个版本,并且该引用似乎来自未来。这个表删除了引用未来一年多的论文的所有实例,使得视图更加清晰。

论文引用

NeurIPS 论文会引用什么样的论文?他们都来自同一个会议吗?

下面的图表显示了引用来源的参考分布。条形图显示了 NeurIPS 论文引用论文来源的前 10 个种会议。排在前四位的是 NeurIPS、ICML、机器学习研究期刊和 CVPR。下面的饼状图表显示,最常被引用的 10 个会议几乎占 NeurIPS 论文总引文量的 40%。

TB1XZ2Ht7PoK1RjSZKbXXX1IXXa.png

引文来源

什么论文会引用 NeurIPS 论文?他们通常来自同一个会议吗?

下面的图表显示了不同会议的引文分布。下面的饼状图表显示,引用 NeurIPS 论文最多的 10 个会议占总引文的 24%。下面的条形图显示了引用 NeurIPS 论文最多的 10 个会议。而且,NeurIPS 排在最前面,其次是 CVPR 和 ICML。

TB1wnzBt9zqK1RjSZPcXXbTepXa.png

顶级机构

NeurIPS 接收论文的顶级机构有哪些?

气泡图通过引用 NeurIPS 论文中的引用数量,可视化了 NeurIPS 接收论文的顶级机构。气泡的颜色饱和度与 NeurIPS 接受该机构的出版物总数成正比。

TB1dkzAt3DqK1RjSZSyXXaxEVXa.png

在原报告页面 https://www.microsoft.com/en-us/research/project/academic/articles/neurips-conference-analytics/ 单击图表,可以获取最新数据,还可以更详细地了解大会上的顶级机构

TB1tOvTt4jaK1RjSZFAXXbdLFXa.png

顶尖作者

谁是 NeurIPS 论文的顶尖作者?

接下来的三个图表根据不同的标准对作者进行了排名。

气泡图表中,NeurIPS 作者按引用计数排序,气泡颜色饱和度与出版物计数相关。

TB1MDTzt4TpK1RjSZR0XXbEwXXa.png

在原报告页面 https://www.microsoft.com/en-us/research/project/academic/articles/neurips-conference-analytics/ 单击图表,获取最新数据,并更详细地了解会议中的顶级作者。在 Microsoft Power BI 报告里面,您还可以更详细地了解顶级会议作者。

TB11nDBt9zqK1RjSZPcXXbTepXa.png

下面的气泡图将作者排名可视化,作者排名由 Microsoft Academic 通过一个公式计算,该公式不容易受到引用次数的影响。X 轴显示作者排名。作者的等级越高,越接近右边。Y 轴通过出版物计数来标准化排名,并使我们能够识别那些可能没有大量出版物的有影响力的作者。作者越接近顶部,其排名越高。当然,代表最高等级的是图表的右上角。

TB1d1Yzt9zqK1RjSZPxXXc4tVXa.png

被 NeurIPS 论文引用最多的学者

谁是 NeurIPS 论文中被引用最多的学者?

下表通过使用 NeurIPS 论文引用的独特出版物和从 NeurIPS 收到的引文数量对被引用最多的学者进行了排名。学者们不必发表在 NeurIPS 上发表论文就可以出现在这张图表上。

TB1Q1Yzt9zqK1RjSZPxXXc4tVXa.png

谁是 NeurIPS 顶尖学者中的冉冉升起的明星?下面的 100% 堆叠条形图显示了排名前 20 位的学者每年的 NeurIPS 引文分布。

TB1qvrIt4TpK1RjSZFMXXbG_VXa.png

希望您喜欢微软学术图表对这次会议的分析性见解!感兴趣的读者可以访问 Microsoft Academic Graph 官方页面,了解如何使用 Microsoft 的知识图表生成关于机构、主题、作者、出版场所或任何这些组合的自定义分析图表。

关于微软学术图表工具,请点击https://www.microsoft.com/en-us/research/project/microsoft-academic-graph/。

雷锋网 AI 科技评论编译。

雷锋网版权文章,未经授权禁止转载。详情见转载须知。

目录
相关文章
|
机器学习/深度学习 人工智能 数据挖掘
数据上新 | AI Earth上线长时序土地覆盖数据集(来自武汉大学黄昕教授团队)
数据上新 | AI Earth上线长时序土地覆盖数据集(来自武汉大学黄昕教授团队)
数据上新 | AI Earth上线长时序土地覆盖数据集(来自武汉大学黄昕教授团队)
|
2月前
|
自然语言处理 数据可视化 安全
【第十届“泰迪杯”数据挖掘挑战赛】C题:疫情背景下的周边游需求图谱分析 问题一方案及Python实现
第十届“泰迪杯”数据挖掘挑战赛C题的解决方案,涉及疫情背景下周边游需求图谱分析,包括微信公众号文章分类、周边游产品热度分析、本地旅游图谱构建与分析,以及疫情前后旅游产品需求变化分析的Python实现方法。
110 1
【第十届“泰迪杯”数据挖掘挑战赛】C题:疫情背景下的周边游需求图谱分析 问题一方案及Python实现
|
2月前
|
供应链 算法 数据挖掘
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 23页论文及实现代码
本文介绍了2023年第十一届泰迪杯数据挖掘挑战赛B题的解决方案,深入分析了产品订单数据,并使用Arimax和Var模型进行了需求预测,旨在为企业供应链管理提供科学依据,论文共23页并包含实现代码。
80 0
【2023年第十一届泰迪杯数据挖掘挑战赛】B题:产品订单的数据分析与需求预测 23页论文及实现代码
|
2月前
|
机器学习/深度学习 安全 算法
【2023年第十一届泰迪杯数据挖掘挑战赛】A题:新冠疫情防控数据的分析 32页和40页论文及实现代码
本文总结了2023年第十一届泰迪杯数据挖掘挑战赛A题的新冠疫情防控数据分析,提供了32页和40页的论文以及实现代码,涉及密接者追踪、疫苗接种影响分析、重点场所管控以及疫情趋势研判等多个方面,运用了机器学习算法和SEIR传染病模型等方法。
51 0
【2023年第十一届泰迪杯数据挖掘挑战赛】A题:新冠疫情防控数据的分析 32页和40页论文及实现代码
|
2月前
|
存储 数据可视化 数据挖掘
【第十届“泰迪杯”数据挖掘挑战赛】C题:疫情背景下的周边游需求图谱分析 问题三方案及Python实现
第十届“泰迪杯”数据挖掘挑战赛C题的解决方案,专注于问题三“本地旅游图谱构建与分析”,介绍了基于OTA和UGC数据的旅游产品关联分析方法,使用支持度、置信度、提升度来计算关联度得分,并进行了结果可视化,同时指出了方案的改进方向。
60 1
|
2月前
|
存储 自然语言处理 算法
【第十届“泰迪杯”数据挖掘挑战赛】C题:疫情背景下的周边游需求图谱分析 问题二方案及Python实现
第十届“泰迪杯”数据挖掘挑战赛C题的解决方案,专注于疫情背景下的周边游需求图谱分析,具体针对问题二“周边游产品热度分析”,介绍了从OTA和UGC数据中提取旅游产品、计算产品热度得分、判断产品类型的方法,并给出了Python实现步骤和代码。
71 1
|
3月前
|
人工智能 数据处理
《“AI+”职业趋势报告》揭示十大AI趋势,瓴羊AI训练师考证人数破十万
《“AI+”职业趋势报告》揭示十大AI趋势,瓴羊AI训练师考证人数破十万
140 0
|
机器学习/深度学习 数据可视化 数据挖掘
第四届“泰迪杯”数据分析技能赛-赛题A:《通讯产品销售和盈利能力分析》报告
第四届“泰迪杯”数据分析技能赛-赛题A:《通讯产品销售和盈利能力分析》报告
694 0
|
机器学习/深度学习 存储 缓存
遍览数年历史视频、挖掘用户隐藏兴趣,快手终身行为建模方案TWIN入选KDD 2023
遍览数年历史视频、挖掘用户隐藏兴趣,快手终身行为建模方案TWIN入选KDD 2023
671 0
|
数据采集 资源调度 安全
钟南山院士的最新预测二阳来袭,如何用R语言和SEIRS模型分析新冠疫情中国趋势?
钟南山院士的最新预测二阳来袭,如何用R语言和SEIRS模型分析新冠疫情中国趋势?
245 0