大数据文摘出品

编译：蒋宝尚

NeurIPS（前称NIPS）可谓人工智能年度最大盛会。
每年的圣诞前夕，环球的人工智能爱好者和科学家都聚拢起来发布最新研究，并进行热烈磋商。
这不仅是一次大的party，也是一次主要的技能发展指向，大会的技能每每这未来几年就会演化成真正的研究乃至运用成果。

今年NeurIPS2018召开之际，微软发布了一篇研究，对1996年以来，每年的大会论文数量、参考文献、参会研究机构、论文作者进行了一次全方位剖析，一起来看看有什么有趣的结果。

会议论文吸收数量变革

从上图我们看出1996年到2017年会议论文数量的变革。
每一年的输出数量都有精确标注，从1996年的163篇到2017年的954篇，近几年论文数量增长率高于以往。
其余，会议论文和Poster都纳入了统计。

上图中的黑条表示入选的论文均匀引用多少篇参考文献，数据显示，论文揭橥和参考文献引用数量呈现正干系关系。
绿条显示会议论文被引用的均匀次数。
请把稳，引用是原始计数，未按发布韶光标准化。

注：均匀引文（Average Citations）：某一特定会议年收到的一篇NIPS论文的均匀引文数。

均匀参考文献（Average References）：某一特定会议年的均匀参考文献数

NeurIPS在2009年修正了提交指南。
2009年均匀参考文献的增加可能是由于规则的改变。

参考文献的韶光跨度

NIPS论文引用的韶光跨度有多大？上图可以给你一个清晰的展示。
例如。
2016年NIPS会议论文引用了2015年揭橥的2033篇论文，2014年揭橥的1395篇论文、更多数据信息，依次类推... ...

注：如果某些年份引用了未来年份的文章，有两种情形可以阐明。
1、文章后来被揭橥在期刊上。
2、引用了书本。

参考文献来源剖析

NIPS会议论文引用了哪些文章？参考文献的领域分布是怎么样的？

上表给出了参考文献的领域分布。
左边的条形图表明了参考文献供应量最多的10个领域。
NIPS、ICML、机器学习研究杂志（Journal of Machine Learning Research）和CVPR成为前四名。
右边的饼图显示，前10名的参考文献供给量险些占来自NIPS论文的总引用量的40%。

顶级研究机构

NIPS吸收的论文，有多少是顶尖的机构供应的？上面的气泡图可视化了这个问题。
气泡的颜色深度与机构供应的论文总数成正比，当然，这些论文指的是被NIPS所吸收的那些。

更详细的数据

作者剖析

谁是NIPS论文的最佳作者？

接下来的三个图表根据不同的标准对作者进行了排名。

气泡图显示了按引用数量排名的NIPS作者，个中气泡颜色深度与发布数量干系。

上面的气泡图可视化了作者排名。
所采取的排名指数，是由微软学术机构利用公式打算得出。
X轴表示作者的排名。
作者级别越高，他们就越靠近右边。
Y轴通过论文揭橥数量来掌握排名。
此图能够使我们识别那些虽然没有大量揭橥文章，但是很有影响力的作者。
作者越在图表的高点，他们的综合排名就越高。
在图表的右上角的作者，既有大量的论文，也有非常大的影响力。

谁的文章被NIPS引用最多？

上图对参考文献的作者进行了排名，供应参考文献越多的作者，排名越高。
未在NIPS揭橥过文章的学者也可能涌如今上图中。

前20逻辑学者的NIPS引文分布情形，每年更新一次。