学界 | 从NIPS到NeurIP 20年数据分析：MIT贡献最大，吴恩达、Hinton为最TOP作者

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，全球的人工智能爱好者和科学家都聚集起来发布最新研究，并进行热烈探讨。这不仅是一次大的party，也是一次重要的技术发展指向，大会的技术往往这未来几年就会演变成真正的研究甚至应用成果。

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分析，一起来看看有什么有趣的结果。

会议论文接收数量变化

从上图我们看出1996年到2017年会议论文数量的变化。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。另外，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平均引用多少篇参考文献，数据显示，论文发表和参考文献引用数量呈现正相关关系。 绿条显示会议论文被引用的平均次数。 请注意，引用是原始计数，未按发布时间标准化。

注：平均引文（Average Citations）：某一特定会议年收到的一篇NIPS论文的平均引文数。

平均参考文献（Average References）：某一特定会议年的平均参考文献数

NeurIPS在2009年修改了提交指南。2009年平均参考文献的增加可能是由于规则的改变。

参考文献的时间跨度

NIPS论文引用的时间跨度有多大？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年发表的2033篇论文，2014年发表的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，有两种情况可以解释。 1、文章后来被发表在期刊上。 2、引用了书籍。

参考文献来源分析

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提供量最多的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几乎占来自NIPS论文的总引用量的40%。

顶级研究机构

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

更详细的数据

作者分析

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，其中气泡颜色深度与发布数量相关。

上面的气泡图可视化了作者排名。所采用的排名指数，是由微软学术机构使用公式计算得出。X轴表示作者的排名。作者级别越高，他们就越接近右边。Y轴通过论文发表数量来控制排名。此图能够使我们识别那些虽然没有大量发表文章，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。

上图对参考文献的作者进行了排名，提供参考文献越多的作者，排名越高。未在NIPS发表过文章的学者也可能出现在上图中。

前20名学者的NIPS引文分布情况，每年更新一次。

相关报道：

https://www.microsoft.com/en-us/research/project/academic/articles/neurips-conference-analytics/