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 Research 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, second 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ICML/ECML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ICML/ECML/COLT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, 现在是偶数年开.
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.