国外学者将500万篇CS论文搬进了毕业论文，结论：学海无涯“卷”作舟
文 | python
各位在CS（计算机）科研的苦海中挣扎的亲们，有没有觉得这些年科研越来越卷，论文越来越难发？
实锤了！用数据说话，计算机领域的论文真的越来越卷了！
最近，一篇德国伍珀塔尔大学的硕士毕业论文，基于DBLP Discovery Dataset数据集，对 1936~2022年之间的，计算机学科发表的500万篇论文做了统计分析。
今天，小编就带大家看看这篇文章，看下计算机领域的科研最近卷成什么样子。
论文题目：
Analyzing the State of Computer Science Research with the DBLP Discovery Dataset
论文链接：
https://arxiv.org/abs/2212.00629
卷不动了，疫情雪上加霜？
上图显示的是计算机领域论文发表篇数随时间的变化图。可以发现：
计算机学科论文数在2000年前后飞速增长。以1989~2009年这20年跨度为例，每5年论文数的增长率分别为：90%，61%，92%，66%。20年间，论文总数增长了10倍，年化增长率12.0%。这也是计算机学科飞速发展的20年。
而最近，论文明显卷不动了。作为峰值的2019年，论文数仅比10年前增长了65%。年化增长率仅有5.1%。计算机学科发展速度明显放缓。
然而，2016到2019年之间，论文数量有一个相对快速增长，年化增长率达到8.2%。我猜是因为人工智能领域的论文在这几年暴增导致的。
2020年后，论文发表量不增反降。虽然可能也有数据收集上的影响，但也一定程度上反映出疫情对学科研究的影响。
后浪卷死前浪
虽然论文越来越难发，但人们涌入计算机学科的热情却是不减。如下图所示，1989年到2009年之间，论文的年化增长率为12.0%，每年发表论文的作者的年化增长率为12.7%，没有明显差距。而2009年到2019年之间，虽然论文的增长率只有5.1%，作者的增长率却达到了6.9%。论文发表越来越难了。
甚至，2020年疫情之后，虽然论文数量下降，作者数据量居然略有上升。对比2021年与2019年，论文数量下降了21.0%，作者数量仅下降9.7%。
最近这几年，大量新人涌入计算机领域。2016~2020年，这5年间，发表论文的新人占总发表过论文人数比例分别为：7.6%，7.9%，8.1%，8.4%，7.7%。也就只有2020年的疫情，抑制了新人过快增长的势头。2019年与2020年均有超过18万人“涌入”发表论文的行列。可谓是长江后浪推前浪，前浪死在沙滩上。
在2020年，超过1/3的研究者在近两年发表过论文。需要注意的是，这里还有大量毕业之后不再从事科研工作的人，以及几十年前就已发过论文的老前辈当分母。可见计算机的卷度。
还有一个不幸的消息，虽然大量新人涌入，但可以投的期刊/会议（Venue）并没有显著增长。虽然2019年作者数比2009年涨了95%，但如下图所示，2019年的期刊/会议数比2009年只增加了27%。特别是最近，对比2020年和2015年，研究者人数增长了37%，但Venue数反而还下降了4.4%。Venue的数量往往表示了领域的繁荣度，越多热门的子领域，通常就会有越多的Venue供大家投稿。Venue减少，可以研究的方向减少，但涌入的人增多，内卷度自然也就拉起来了。
卷向何方？
真正的卷王，不只是要发论文，还要发高被引论文。
多高被引才算高呢？ 下表统计显示，如果引用能过1000，基本就是千里挑一的水平了，引过过100也是29里挑一。你是不是也拖了后腿？不过没关心，将近70%的论文引用量不到10，大家陪你一起拖后腿。
如何投稿，论文引用才能更高呢？ 统计显示，257万篇会议论文，平均引用为13.76，而221万篇期刊论文，平均引用量达到26.60。从1960年开始，期刊论文的平均引用量一直超过会议论文的。看来，真的卷王，还是得投期刊呀。
那具体哪些期刊会议的引用量更高呢？ 下表统计的是期刊和会议的总引用量前10（不是平均引用量前10）。可以看到，CVPR、ICCV和ECCV等CV大会总引用量可观，平均被引均超过了100次，值得一投！当然，这个数据也可能是因为你和马爸爸算了下平均收入。
然而，像ICASSP，IEEE Access等大会/期刊，录用的论文较多，论文质量也参差不齐，平均被引仅为15.7和8.2次，似乎不是卷王的最优之选。
追逐热点，永远是赚引用的最佳方式。 下表中统计了不同年代，引用最多的期刊/会议论文中的关键词，可以发现，大家关注的热点，从上世纪code, algorithm, program，software，逐渐过度到data，task，network，dataset，learn，train，visual等。计算机的研究从底层算法和软件，逐渐向人工智能上应用转变。
最近随着疫情的影响，大家更爱投期刊了。 如下图所示，2019年时，会议论文的发表量还比期刊论文多6.8%，但到2020年，反而要少18.2%。反正也开不了会了，不如去投个期刊。
结束语
本文也只是一些宏观的统计结果，并且受限于DBLP Discovery Dataset数据集的一些特点，在所难免地会有些偏颇。大家在计算机的大坑中被卷来卷去，必然有着更深的体会。在此也预祝大家能够卷出一片新天地，早日毕业，找到理想的工作，脱离苦海，修成正果，或上岸躺平，或成就卷王。
卖萌屋作者：python
北大毕业的NLP博士。日常写点论文，码点知乎，刷点leetcode。主要关注问答、对话、信息抽取、预训练、智能法律等方向。力扣国服第一python选手（经常掉下来）。知乎 ID 是 Erutan Lai， leetcode/力扣 ID 是 pku_erutan，欢迎没事常来逛逛。
作品推荐
恕我直言，你的实验结论可能严重依赖随机数种子！
AllenAI 发布万能问答系统 MACAW！各类题型样样精通，性能大幅超越 GPT-3！
吐血整理：论文写作中注意这些细节，能显著提升成稿质量
后台回复关键词【入群】
加入卖萌屋NLP、CV、搜广推与求职讨论群