AI领域主要期刊和会议

International Journal of Computer Vision (IJCV)

IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE PAMI)

IJCV和IEEE PAMI是计算机科学技术与人工智能领域的顶级期刊，2006年度的SCI影响因子分别为6.085和4.306。

AAAI Conference on Artificial Intelligence 美国人工智能会议

International Conference on Machine Learning ICML

在人工智能(AI)和模式分类的领域，最顶级的期刊:

Journal of Machine Learning Research(JLMR)

IEEE Trans PAMI

Machine Learning (ICML)

IJCV(偏重图像)

人工智能领域顶级会议IJCAI和AAAI、自然语言处理领域顶级会议ACL、信息检索领域顶级会议SIGIR、互联网领域顶级会议W

WW 国际顶级学术会议SIGIR、AAAI、COLING（自然语言处理领域顶级会议International Conference on Computati

onal Linguistics）

•

主要学术会议

Int. Conf. on Computer Vision and Pattern Recognition (CVPR);

Int. Conf. on Computer Vision(ICCV);

European Conf. on Computer Vision(ECCV);

Asian Conf. on Computer Vision(ACCV); ．

Int. Conf. on Pattern Recognition(ICPR);

•

主要学术期刊

Int. J on Computer Vision(IJCV)

IEEE Trans. on Pattern Analysis and Machine Intelligence(PAMI)

IEEE Trans. on Image Processing

Pattern Recognition

Image and Vision Computing

Pattern Recognition Letter

2008年计算机顶级期刊影响因子统计。

ACM COMPUT SURV CSUR 9.92

（）

IEEE T PATTERN ANAL TPAMI 5.96

（）

INT J COMPUT VISION IJCV 5.358

（）

BIOINFORMATICS 4.328

IEEE T INFORM THEORY 3.793

IEEE T NEURAL NETWOR TNN) 3.726

（

ARTIF INTELL （AIJ） 3.397

ACM T GRAPHIC 3.383

IEEE T IMAGE PROCESS TIP 3.315

（）

PATTERN RECOGN （PR） 3.279

J MACH LEARN RES JMLR 3.116

（）

COMPUT LINGUIST 2.656

COMMUN ACM 2.646

ACM T COMPUT SYST （TOCS） 2.391

NEURAL COMPUT （NC） 2.378

J ACM 2.339

MACH LEARN （ML） 2.326

IEEE T MULTIMEDIA TMM 2.288

（）

IEEE T KNOWL DATA EN （TKDE） 2.236

COMPUT VIS IMAGE UND CVIU 2.22

（）

KNOWL INF SYST （KAIS） 1.733

ACM T DATABASE SYST （TODS） 1.613

J ARTIF INTELL RES （JAIR） 1.611

ACM T INFORM SYST （TOIS） 1.472

今年IEEE的trans还是比较稳定，ACM的期刊好惨，影响因子普遍都比较低（当然除了CSUR了，这个期刊只刊登综述，一年也就刊

登 10-15篇左右的文章，当然影响因子高了），大名鼎鼎的TOCS,TODS都没超过3，还有TOIS居然只有1.472，排了倒数第一，

真是气死人了。还有就是JACM，这个号称只刊登“对计算机未来发展有重要影响”文章的期刊，影响因子都仅有2.339。PAMI和IJCV

还是“刚刚的”，貌似这些年都没退出过前三。PR进步神速啊，以前都只能是leading级别，现在跃升top级别了。JMLR弱了，往年一

般都前三，今年居然比PR都还低，或许是这几年模式识别领域的文章太多把。NC和TKDE都有退步，我想还是不会影响其的权威性。

PS: 标红色并且斜体加粗的是我重点关注的，其次是红色标记的，再其次是蓝色且斜体加粗的，然后就是蓝色的，黑色字体的是我不怎

么关注的。

模式识别领域的期刊会议

(2010-01-03 15:27:03)

转载

标签：

杂谈

AI 顶级会议列表

对AI领域的会议的评点

注: 本文为小百合BBS的daniel所写

The First Class:

今天先谈谈AI里面tier-1的conferences, 其实基本上就是AI里面大家比较

公认的top

conference. 下面同分的按字母序排列.

IJCAI (1+): AI最好的综合性会议, 1969年开始, 每两年开一次, 奇数年开. 因

为AI实在太

大, 所以虽然每届基本上能录100多篇（现在已经到200多篇了），但分到每个

领域就没几篇

了，象machine learning、computer vision这么大的领域每次大概也就10篇

左右, 所以难

度很大. 不过从录用率上来看倒不太低,基本上20%左右, 因为内行人都会掂掂

分量, 没希望

的就别浪费reviewer的时间了. 最近中国大陆投往国际会议的文章象潮水一样,

而且因为国

内很少有能自己把关的研究组, 所以很多会议都在complain说中国的低质量文

章严重妨碍了

PC的工作效率. 在这种情况下, 估计这几年国际会议的录用率都会降下去. 另

外, 以前的

IJCAI是没有poster的, 03年开始, 为了减少被误杀的好人, 增加了2页纸的

poster.值得一

提的是, IJCAI是由貌似一个公司的"IJCAI Inc."主办的(当然实际上并不是公

司, 实际上是

个基金会), 每次会议上要发几个奖, 其中最重要的两个是IJCAI Rearch

Excellence

Award 和 Computer

& Thoughts Award, 前者是终身成就奖, 每次一个人, 基本上是AI的最高奖(有

趣的是, 以

AI为主业拿图灵奖的6位中, 有2位还没得到这个奖), 后者是奖给35岁以下

的青年科学家,

每次一个人. 这两个奖的获奖演说是每次IJCAI的一个重头戏.另外, IJCAI 的

PC member

相当于其他会议的area chair, 权力很大, 因为是由PC member去找 reviewer

来审, 而不

象一般会议的PC member其实就是 reviewer. 为了制约这种权力, IJCAI的审

稿程序是每篇

文章分配2位PC member, primary PC member去找3位reviewer, cond PC

member 找一位.

AAAI (1): 美国人工智能学会AAAI的年会. 是一个很好的会议, 但其档次不稳

定, 可以给到

1+, 也可以给到1-或者2+, 总的来说我给它"1". 这是因为它的开法完全受

IJCAI制约: 每年

开, 但如果这一年的IJCAI在北美举行, 那么就停开. 所以, 偶数年里因为没

有IJCAI, 它就

是最好的AI综合性会议, 但因为号召力毕竟比IJCAI要小一些, 特别是欧洲人

捧AAAI场的比

IJCAI少得多(其实亚洲人也是), 所以比IJCAI还是要稍弱一点, 基本上在1和

1+之间; 在奇

数年, 如果IJCAI不在北美, AAAI自然就变成了比IJCAI低一级的会议(1-或2+),

例如2005年

既有IJCAI又有AAAI, 两个会议就进行了协调, 使得IJCAI的录用通知时间比

AAAI的

deadline早那么几天, 这样IJCAI落选的文章可以投往AAAI.在审稿时IJCAI

的 PC chair也

在一直催, 说大家一定要快, 因为AAAI那边一直在担心IJCAI的录用通知出晚

了AAAI就麻烦

了.

COLT (1): 这是计算学习理论最好的会议, ACM主办, 每年举行. 计算学习理论

基本上可以

看成理论计算机科学和机器学习的交叉, 所以这个会被一些人看成是理论计算

机科学的会而

不是AI的会. 我一个朋友用一句话对它进行了精彩的刻画: "一小群数学家在开

会". 因为

COLT的领域比较小, 所以每年会议基本上都是那些人. 这里顺便提一件有趣的

事, 因为最近

国内搞的会议太多太滥, 而且很多会议都是LNCS/LNAI出论文集, LNCS/LNAI基

本上已经被搞

臭了, 但很不幸的是, LNCS/LNAI中有一些很好的会议, 例如COLT.

CVPR (1): 计算机视觉和模式识别方面最好的会议之一, IEEE主办, 每年举行.

虽然题目上

有计算机视觉, 但个人认为它的模式识别味道更重一些. 事实上它应该是模式

识别最好的会

议, 而在计算机视觉方面, 还有ICCV与之相当. IEEE一直有个倾向, 要把会办

成"盛会", 历

史上已经有些会被它从quality很好的会办成"盛会"了. CVPR搞不好也要走这

条路. 这几年

录的文章已经不少了. 最近负责CVPR会议的TC的chair发信说, 对这个

community来说, 让好

人被误杀比被坏人漏网更糟糕, 所以我们是不是要减少好人被误杀的机会啊?

所以我估计明

年或者后年的CVPR就要扩招了.

ICCV (1): 介绍CVPR的时候说过了, 计算机视觉方面最好的会之一. IEEE主办,

每年举行.

ICML (1): 机器学习方面最好的会议之一. 现在是IMLS主办, 每年举行. 参见

关于NIPS的介

绍.

NIPS (1): 神经计算方面最好的会议之一, NIPS主办, 每年举行. 值得注意的

是, 这个会每

年的举办地都是一样的, 以前是美国丹佛, 现在是加拿大温哥华; 而且它是年

底开会,会开

完后第2年才出论文集, 也就是说, NIPS'05的论文集是06年出. 会议的名字

是"Advances

in Neural Information Processing Systems", 所以, 与ICMLECML这样的"

标准的"机器学

习会议不同, NIPS里有相当一部分神经科学的内容, 和机器学习有一定的距离.

但由于会议

的主体内容是机器学习, 或者说与机器学习关系紧密, 所以不少人把NIPS看成

是机器学习方

面最好的会议之一. 这个会议基本上控制在Michael Jordan的徒子徒孙手中,

所以对

Jordan系的人来说, 发NIPS并不是难事, 一些未必很强的工作也能发上去, 但

对这个圈子之

外的人来说, 想发一篇实在很难, 因为留给"外人"的口子很小. 所以对Jordan

系以外的人来

说, 发NIPS的难度比ICML更大. 换句话说,

ICML比较开放, 小圈子的影响不象NIPS那么大, 所以北美和欧洲人都认, 而

NIPS则有些人(

特别是一些欧洲人, 包括一些大家)坚决不投稿. 这对会议本身当然并不是好事,

但因为

Jordan系很强大, 所以它似乎也不太care. 最近IMLS(国际机器学习学会)改选

理事, 有资格

提名的人包括近三年在ICMLECMLCOLT发过文章的人, NIPS则被排除在外了.

无论如何, 这

是一个非常好的会.

ACL (1-): 计算语言学/自然语言处理方面最好的会议, ACL (Association of

Computational Linguistics) 主办, 每年开.

KR (1-): 知识表示和推理方面最好的会议之一, 实际上也是传统AI(即基于逻

辑的AI)最好

的会议之一. KR Inc.主办, 现在是偶数昕?

SIGIR (1-): 信息检索方面最好的会议, ACM主办, 每年开. 这个会现在小圈子

气越来越重

. 信息检索应该不算AI, 不过因为这里面用到机器学习越来越多, 最近几年甚

至有点机器学

习应用会议的味道了, 所以把它也列进来.

SIGKDD (1-): 数据挖掘方面最好的会议, ACM主办, 每年开. 这个会议历史比

较短, 毕竟,

与其他领域相比,数据挖掘还只是个小弟弟甚至小侄儿. 在几年前还很难把它列

在tier-1里

面, 一方面是名声远不及其他的top conference响亮, 另一方面是相对容易被

录用. 但现在

它被列在tier-1应该是毫无疑问的事情了. 另: 参见sir和lucky的介绍.

UAI (1-): 名字叫"人工智能中的不确定性", 涉及表示推理学习等很多方面,

AUAI

(Association of UAI) 主办, 每年开.

The Second Class:

tier-2的会议列得不全, 我熟悉的领域比较全一些.

AAMAS (2+): agent方面最好的会议. 但是现在agent已经是一个一般性的概念,

几乎所有

AI有关的会议上都有这方面的内容, 所以AAMAS下降的趋势非常明显.

ECCV (2+): 计算机视觉方面仅次于ICCV的会议, 因为这个领域发展很快, 有可

能升级到1-

去.

ECML (2+): 机器学习方面仅次于ICML的会议, 欧洲人极力捧场, 一些人认为它

已经是1-了

. 我保守一点, 仍然把它放在2+. 因为机器学习发展很快, 这个会议的

reputation上升非常

明显.

ICDM (2+): 数据挖掘方面仅次于SIGKDD的会议, 目前和SDM相当. 这个会只有

5年历史, 上

升速度之快非常惊人. 几年前ICDM还比不上PAKDD, 现在已经拉开很大距离了.

SDM (2+): 数据挖掘方面仅次于SIGKDD的会议, 目前和ICDM相当. SIAM的底

子很厚, 但在

CS里面的影响比ACM和IEEE还是要小, SDM眼看着要被ICDM超过了, 但至少目

前还是相当的.

ICAPS (2): 人工智能规划方面最好的会议, 是由以前的国际和欧洲规划会议合

并来的. 因

为这个领域逐渐变冷清, 影响比以前已经小了.

ICCBR (2): Ca-Bad Reasoning方面最好的会议. 因为领域不太大, 而且一

直半冷不热,

所以总是停留在2上.

COLLING (2): 计算语言学/自然语言处理方面仅次于ACL的会, 但与ACL的差距

比ICCV-ECCV

和ICML-ECML大得多.

ECAI (2): 欧洲的人工智能综合型会议, 历史很久, 但因为有IJCAI/AAAI压着,

很难往上升

.

ALT (2-): 有点象COLT的tier-2版, 但因为搞计算学习理论的人没多少, 做得

好的数来数去

就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非计算学习理论

的内容.

EMNLP (2-): 计算语言学/自然语言处理方面一个不错的会. 有些人认为与

COLLING相当, 但

我觉得它还是要弱一点.

ILP (2-): 归纳逻辑程序设计方面最好的会议. 但因为很多其他会议里都有ILP

方面的内容,

所以它只能保住2-的位置了.

PKDD (2-): 欧洲的数据挖掘会议, 目前在数据挖掘会议里面排第4. 欧洲人很

想把它抬起来

, 所以这些年一直和ECML一起捆绑着开, 希望能借ECML把它带起来. 但因为

ICDM和SDM, 这

已经不太可能了. 所以今年的PKDD和ECML虽然还是一起开, 但已经独立审稿了

(以前是可以

同时投两个会, 作者可以声明优先被哪个会考虑, 如果ECML中不了还可以被

PKDD接受).

The Third Class:

列得很不全. 另外, 因为AI的相关会议非常多, 所以能列在tier-3也算不错了,

基本上能进

到所有AI会议中的前30%吧

ACCV (3+): 亚洲的计算机视觉会议, 在亚太级别的会议里算很好的了.

DS (3+): 日本人发起的一个接近数据挖掘的会议.

ECIR (3+): 欧洲的信息检索会议, 前几年还只是英国的信息检索会议.

ICTAI (3+): IEEE最主要的人工智能会议, 偏应用, 是被IEEE办烂的一个典型.

以前的

quality还是不错的, 但是办得越久声誉反倒越差了, 糟糕的是似乎还在继续

下滑, 现在其

实3+已经不太呆得住了.

PAKDD (3+): 亚太数据挖掘会议, 目前在数据挖掘会议里排第5.

ICANN (3+): 欧洲的神经网络会议, 从quality来说是神经网络会议中最好的,

但这个领域

的人不重视会议,在该领域它的重要性不如IJCNN.

AJCAI (3): 澳大利亚的综合型人工智能会议, 在国家/地区级AI会议中算不错

的了.

CAI (3): 加拿大的综合型人工智能会议, 在国家/地区级AI会议中算不错的了.

CEC (3): 进化计算方面最重要的会议之一, 盛会型. IJCNN/CEC/FUZZ-IEEE这

三个会议是计

算智能或者说软计算方面最重要的会议, 它们经常一起开, 这时就叫WCCI

(World

Congress on Computational Intelligence). 但这个领域和CS其他分支不太一

样, 倒是和

其他学科相似, 只重视journal, 不重视会议, 所以录用率经常在85%左右, 所

录文章既有

quality非常高的论文, 也有入门新手的习作.

FUZZ-IEEE (3): 模糊方面最重要的会议, 盛会型, 参见CEC的介绍.

GECCO (3): 进化计算方面最重要的会议之一, 与CEC相当，盛会型.

ICASSP (3): 语音方面最重要的会议之一, 这个领域的人也不很care会议.

ICIP (3): 图像处理方面最著名的会议之一, 盛会型.

ICPR (3): 模式识别方面最著名的会议之一, 盛会型.

IEA/AIE (3): 人工智能应用会议. 一般的会议提名优秀论文的通常只有几篇文

章, 被提名

就已经是很高的荣誉了, 这个会很有趣, 每次都搞1、20篇的优秀论文提名, 专

门搞几个

ssion做被提名论文报告, 倒是很热闹.

IJCNN (3): 神经网络方面最重要的会议, 盛会型, 参见CEC的介绍.

IJNLP (3): 计算语言学/自然语言处理方面比较著名的一个会议.

PRICAI (3): 亚太综合型人工智能会议, 虽然历史不算短了, 但因为比它好或

者相当的综合

型会议太多, 所以很难上升.

Combined List:

说明: 纯属个人看法, 仅供参考. tier-1的列得较全, tier-2的不太全, tier-3

的很不全.

同分的按字母序排列. 不很严谨地说, tier-1是可以令人羡慕的, tier-2是可

以令人尊敬的

,由于AI的相关会议非常多, 所以能列进tier-3的也是不错的

tier-1:

IJCAI (1+): International Joint Conference on Artificial Intelligence

AAAI (1): National Conference on Artificial Intelligence

COLT (1): Annual Conference on Computational Learning Theory

CVPR (1): IEEE International Conference on Computer Vision and Pattern

Recognition

ICCV (1): IEEE International Conference on Computer Vision

ICML (1): International Conference on Machine Learning

NIPS (1): Annual Conference on Neural Information Processing Systems

ACL (1-): Annual Meeting of the Association for Computational Linguistics

KR (1-): International Conference on Principles of Knowledge

Reprentation and

Reasoning

SIGIR (1-): Annual International ACM SIGIR Conference on Rearch and

Development in Information Retrieval

SIGKDD (1-): ACM SIGKDD International Conference on Knowledge Discovery

and

Data Mining

UAI (1-): International Conference on Uncertainty in Artificial

Intelligence

tier-2:

AAMAS (2+): International Joint Conference on Autonomous Agents and

Multiagent

Systems

ECCV (2+): European Conference on Computer Vision

IJNLP (3): International Joint Conference on Natural Language Processing

PRICAI (3): Pacific-Rim International Conference on Artificial

Intelligence