2018年国际顶尖学术会议上发表的机器学习和NLP相关论文的数据统计

剑桥大学数据科学家Marek Rei在个人博客上发布了2018年国际顶尖学术会议上发表的机器学习和NLP相关论文的数据统计。数据显示，无论是顶会论文发表数量还是会议出席人数，都表明AI领域仍处于快速的增长期，“AI寒冬”并未到来。

2018年已过经去，各类盘点还在继续。

近日，剑桥大学数据科学家Marek Rei在个人博客上更新了2018年国际顶尖学术会议上发表的机器学习和NLP相关论文的数据统计。

虽然2018年“AI寒冬”的警告不绝于耳，但Marek Rei的这份数据显示，去年在AI相关领域，无论是顶会论文发表数量还是会议出席人数，都表明AI领域仍处于快速的增长期，2018年的统计数据打破了此前的多项纪录。

最值得注意的是，今年的NeurIPS会议的门票在开票后仅11分38秒即告售罄，堪比春运火车票，令无数准备参会或围观大牛的热心观众唏嘘不已。

本文提供了关于这些统计数字的更精细的分类数据信息，一起来看看哪些作者和机构在特定的学术会议上发表的论文数最多。

今年的统计信息中涵盖了下列会议/期刊：

ACL、EMNLP、NAACL、EACL、COLING、TACL、CL，CoNLL、NeurIPS、ICML、ICLR和AAAI。

上述会议/期刊基本涵盖了全球最知名、级别最高的机器学习自然语言语言技术成果出处。与2017年的数据相比去掉了SemEval，因为该会议主要关注共享作者的论文，本次统计也没有将合作成果的数据收录在其他会议中。

今年的统计数据中新收录了AAAI，这是一个规模较大的会议，之前的统计中未收录。 NeurIPS（前NIPS）去年进行了更名，但为了保持一致性，在之前年份的数据内容中一律统一使用新名称。

统计数据的抓取和分析是通过一系列脚本自动完成的，多年来，这些自动脚本一直在不断改进。论文列表是通过在线程序抓取的，通常也附带有作者信息。组织机构名称需要直接从PDF中提取，这可能会导致一些错误。为此我已经采取各种方法来检测和映射不同类型的机构名，来尽量避免这些错误。

这篇文章重点介绍了近年来发表论文数量最多的作者和机构，但这里要指出，不能将发表论文的数量作为研究领域中一味追求或奖励的目标，而且论文数量的快速增长，并不代表研究质量的快速提高。

写出一篇具有开创性意义的论文，要比发表10篇很快就被人遗忘的论文更了不起。此文的目的是为了给相关领域的人员提供一个更广的视角，也可能为心怀优秀创意的新研究人员提供一些灵感。

关注每位作者在不同年份发表的论文数量，按照两年为单位，Chris Dyer仍然显得一枝独秀，Yue Zhang和 Ming Zhou紧随其后。

2012-2018年全球会议/期刊论文数量变化情况

先来看看2012-2018年间统计收录的会议上的会议论文。大多数机器学习会议上发表的论文数量都呈现持续增长态势，其中发表在AAAI和NeurIPS上的论文超过1000篇。 EMNLP和NAACL也逐年连创新高。ACL和COLING则变化不是很大。 EACL今年休会，TACL和CL的论文数量多年来保持相对平稳。

作者情况统计

接下来，看看2018年在这些会议上发表过论文的作者情况。有三位研究人员分别发表了22篇论文，论文数量排名并列第一，分别是：周明（微软），格雷厄姆·纽比格（卡内基梅隆大学）和谢尔盖·莱文（加州大学伯克利分校） 。紧随其后的是张潼（曾供职腾讯AI，最近离职），孙茂松（清华大学）和Iryna Gurevych（达姆施塔特工业大学）。

再来看看2012-2018之间的发表论文总数，Chris Dyer（DeepMind）以97篇排名榜首。紧随其后的是周明（微软）、Yoshua Bengio（蒙特利尔大学），张岳（西湖大学）和Noah A.Smith（华盛顿大学）。大多数作者明显更倾向于在自然语言处理或机器学习的核心会议，Percy Liang可能是个例外，在期刊和会议上发表的论文数量基本差不多。

还可以查看不同年份每位作者的论文数量。可以看到，Chris Dyer在2015-2016年间发表的论文数量增长惊人。

一作情况统计

接下来是关于论文第一作者的统计数据。论文的第一作者通常是那些实际操作、实验并撰写论文的大部分内容的人，是反映作者对论文成果贡献度的重要指标之一。

在这项统计中，位列榜首的是Yi Tay（南洋理工大学），他是一名三年级博士生，在2018年的学术会议上共发表了10篇一作论文，令人印象深刻。第二名为朱泽园（Zeyuan Allen-Zhu），去年共发表6篇一作论文。排在之后的分别是Mikel Artetxe，Jiatao Gu（香港大学），Dinghan Shen（杜克大学）和Nathan Kallus（康奈尔大学）去年共发表5篇一作论文。

再来看看发表论文总数，李纪为（香侬科技）发表了 22 篇一作论文。其后是朱泽园（微软）、Young-Bum Kim（亚马逊）、Ryan Cotterell（剑桥大学）和 Ivan Vulić（剑桥大学）。

组织机构发表论文情况

接下来是企业和研究机构发表论文的统计数据。与前两年一样，CMU在2018年发文数仍然位居第一，自然语言处理和机器学习主题之间的论文数量差距相对均匀。从企业方面来看，谷歌和微软仍然是行业的领导者，清华大学、斯坦福大学、北京大学、麻省理工学院和加州大学伯克利分校都位列顶级机构之列。

从2012年至2018年的整个时段来看，排名实际上没有太多变化。CMU仍然处高居第一，微软和谷歌得而排名则换了个位置。普林斯顿大学、INRIA和杜克大学似乎专注于机器学习领域，几乎没有在NLP领域发表文章。相比之下，北京大学、中科院和爱丁堡大学似乎更重视NLP方向，没有在NeurIPS /ICML上发表什么文章。

从时间分布来看，CMU在过去几年内一直保持高产，并且仍在继续增长。谷歌和微软一直在争夺企业界的榜首位置，但目前谷歌似乎取得了领先地位。清华、北大等中国大学目前的论文发表数量正在迅猛上涨。

论文研究话题的分布

最后是关于论文作者和组织机构发表论文主题的一些分类。我收集了与指定作者/组织机构相关的所有论文，全部小写处理，加上标记，然后传递给LDA，再用t-SNE进行可视化，显示出了他们的论文内容与图中其他人内容的相似关系。结果如下：