劍橋大學數(shù)據(jù)科學家Marek Rei在個人博客上發(fā)布了2018年國際頂尖學術會議上發(fā)表的機器學習和NLP相關論文的數(shù)據(jù)統(tǒng)計。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，各類盤點還在繼續(xù)。

近日，劍橋大學數(shù)據(jù)科學家Marek Rei在個人博客上更新了2018年國際頂尖學術會議上發(fā)表的機器學習和NLP相關論文的數(shù)據(jù)統(tǒng)計。

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相關領域，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領域仍處于快速的增長期，2018年的統(tǒng)計數(shù)據(jù)打破了此前的多項紀錄。

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，堪比春運火車票，令無數(shù)準備參會或圍觀大牛的熱心觀眾唏噓不已。

本文提供了關于這些統(tǒng)計數(shù)字的更精細的分類數(shù)據(jù)信息，一起來看看哪些作者和機構在特定的學術會議上發(fā)表的論文數(shù)最多。

今年的統(tǒng)計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、級別最高的機器學習自然語言語言技術成果出處。與2017年的數(shù)據(jù)相比去掉了SemEval，因為該會議主要關注共享作者的論文，本次統(tǒng)計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)計數(shù)據(jù)中新收錄了AAAI，這是一個規(guī)模較大的會議，之前的統(tǒng)計中未收錄。 NeurIPS（前NIPS）去年進行了更名，但為了保持一致性，在之前年份的數(shù)據(jù)內容中一律統(tǒng)一使用新名稱。

統(tǒng)計數(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。論文列表是通過在線程序抓取的，通常也附帶有作者信息。組織機構名稱需要直接從PDF中提取，這可能會導致一些錯誤。為此我已經(jīng)采取各種方法來檢測和映射不同類型的機構名，來盡量避免這些錯誤。

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

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領域的人員提供一個更廣的視角，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)計收錄的會議上的會議論文。大多數(shù)機器學習會議上發(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

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（卡內基梅隆大學）和謝爾蓋·萊文（加州大學伯克利分校） 。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）和Iryna Gurevych（達姆施塔特工業(yè)大學）。

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），張岳（西湖大學）和Noah A.Smith（華盛頓大學）。大多數(shù)作者明顯更傾向于在自然語言處理或機器學習的核心會議，Percy Liang可能是個例外，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?？梢钥吹?，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

接下來是關于論文第一作者的統(tǒng)計數(shù)據(jù)。論文的第一作者通常是那些實際操作、實驗并撰寫論文的大部分內容的人，是反映作者對論文成果貢獻度的重要指標之一。

在這項統(tǒng)計中，位列榜首的是Yi Tay（南洋理工大學），他是一名三年級博士生，在2018年的學術會議上共發(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），Dinghan Shen（杜克大學）和Nathan Kallus（康奈爾大學）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）和 Ivan Vuli?（劍橋大學）。

組織機構發(fā)表論文情況

接下來是企業(yè)和研究機構發(fā)表論文的統(tǒng)計數(shù)據(jù)。與前兩年一樣，CMU在2018年發(fā)文數(shù)仍然位居第一，自然語言處理和機器學習主題之間的論文數(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)的領導者，清華大學、斯坦福大學、北京大學、麻省理工學院和加州大學伯克利分校都位列頂級機構之列。

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

從時間分布來看，CMU在過去幾年內一直保持高產(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先地位。清華、北大等中國大學目前的論文發(fā)表數(shù)量正在迅猛上漲。

論文研究話題的分布

最后是關于論文作者和組織機構發(fā)表論文主題的一些分類。我收集了與指定作者/組織機構相關的所有論文，全部小寫處理，加上標記，然后傳遞給LDA，再用t-SNE進行可視化，顯示出了他們的論文內容與圖中其他人內容的相似關系。結果如下：