南京大學(xué) 周志華　

tier 1: 一流國際會(huì)議：

IJCAI (1+): 人工智能(AI)最好的綜合性會(huì)議, 1969年開始, 每兩年開一次, 奇數(shù)年開. 因?yàn)锳I 實(shí)在太大, 所以雖然每屆基本上能錄100多篇（現(xiàn)在已經(jīng)到200多篇了），但分到每個(gè)領(lǐng)域就沒幾篇了，象machine learning、computer vision這么大的領(lǐng)域每次大概也就10篇左右, 所以難度很大. 不過從錄用率上來看倒不太低,基本上20%左右, 因?yàn)閮?nèi) 行人都會(huì)掂掂分量, 沒希望的就別浪費(fèi)reviewer的時(shí)間了. 最近中國大陸投往國際會(huì)議的文章象潮水一樣, 而且因?yàn)閲鴥?nèi)很少有能自己把關(guān)的研究組, 所以很多會(huì)議都在complain說中國的低質(zhì)量文章嚴(yán)重妨礙了PC的工作效率. 在這種情況下, 估計(jì)這幾年國際會(huì)議的錄用率都會(huì)降下去. 另外, 以前的IJCAI是沒有poster的, 03年開始, 為了減少被誤殺的好人, 增加了2頁紙的poster.值得一提的是, IJCAI是由貌似一個(gè)公司"IJCAI Inc."主辦的(當(dāng)然實(shí)際上并不是公司, 實(shí)際上是個(gè)基金會(huì)), 每次會(huì)議上要 發(fā)幾個(gè)獎(jiǎng), 其中最重要的兩個(gè)是IJCAI Research Excellence Award 和 Computer& Thoughts Award, 前者是終身成就獎(jiǎng), 每次一個(gè)人, 基本上是AI的最高獎(jiǎng)(有趣的是, 以AI為主業(yè)拿圖靈獎(jiǎng)的6位中, 有2位還沒得到這個(gè)獎(jiǎng)), 后者是獎(jiǎng)給35歲以下的青年科學(xué)家, 每次一個(gè)人. 這兩個(gè)獎(jiǎng)的獲獎(jiǎng)演說是每次IJCAI的一個(gè)重頭戲.另外，IJCAI 的 PC member 相當(dāng)于其他會(huì)議的area chair, 權(quán)力很大, 因?yàn)槭怯蒔C member 去找 reviewer 來審, 而不象一般會(huì)議的PC member其實(shí)就是 reviewer. 為了制約這種權(quán)力, IJCAI的審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): 美國人工智能學(xué)會(huì)AAAI的年會(huì). 是一個(gè)很好的會(huì)議, 但其檔次不穩(wěn)定, 可以給到1+, 也可以給到1-或者2+, 總的來說我給它"1". 這是因?yàn)樗拈_法完全受IJCAI制約: 每年開, 但如果這一年的IJCAI在北美舉行, 那么就停開. 所以, 偶數(shù)年里因?yàn)闆]有IJCAI, 它就是最好的AI綜合性會(huì)議, 但因?yàn)樘?hào)召力畢竟比IJCAI要小一些,特別是歐洲人捧AAAI場的比IJCAI少得多(其實(shí)亞洲人也是), 所以比IJCAI還是要稍弱一點(diǎn), 基本上在1和1+之間; 在奇數(shù)年, 如果IJCAI不在北美, AAAI自然就變成了比IJCAI低一級(jí)的會(huì)議(1-或2+), 例如2005年既有IJCAI又有AAAI, 兩個(gè)會(huì)議就進(jìn)行了協(xié)調(diào), 使得IJCAI的錄用通知時(shí)間比AAAI的deadline早那么幾天, 這樣IJCAI落選的文章可以投往AAAI.在審稿時(shí)IJCAI 的 PC chair也在一直催, 說大家一定要快, 因?yàn)锳AAI那邊一直在擔(dān)心IJCAI的錄用通知出晚了AAAI就麻煩了.
COLT (1): 這是計(jì)算學(xué)習(xí)理論最好的會(huì)議, ACM主辦, 每年舉行. 計(jì)算學(xué)習(xí)理論基本上可以看成理論計(jì)算機(jī)科學(xué)和機(jī)器學(xué)習(xí)的交叉, 所以這個(gè)會(huì)被一些人看成是理論計(jì)算機(jī)科學(xué)的會(huì)而不是AI的會(huì). 我一個(gè)朋友用一句話對(duì)它進(jìn)行了精彩的刻畫: "一小群數(shù)學(xué)家在開會(huì)". 因?yàn)镃OLT的領(lǐng)域比較小, 所以每年會(huì)議基本上都是那些人. 這里順便提一件有趣的事, 因?yàn)樽罱鼑鴥?nèi)搞的會(huì)議太多太濫, 而且很多會(huì)議都是LNCS/LNAI出論文集, LNCS/LNAI基本上已經(jīng)被搞臭了, 但很不幸的是,LNCS/LNAI中有一些很好的會(huì)議, 例如COLT.
CVPR (1): 計(jì)算機(jī)視覺和模式識(shí)別方面最好的會(huì)議之一, IEEE主辦, 每年舉行. 雖然題目上有計(jì)算機(jī)視覺, 但個(gè)人認(rèn)為它的模式識(shí)別味道更重一些. 事實(shí)上它應(yīng)該是模式識(shí)別最好的會(huì)議, 而在計(jì)算機(jī)視覺方面, 還有ICCV與之相當(dāng). IEEE一直有個(gè)傾向, 要把會(huì)辦成"盛會(huì)", 歷史上已經(jīng)有些會(huì)被它從quality很好的會(huì)辦成"盛會(huì)"了. CVPR搞不好也要走這條路. 這幾年錄的文章已經(jīng)不少了. 最近負(fù)責(zé)CVPR會(huì)議的TC的chair發(fā)信說, 對(duì)這個(gè)community來說, 讓好人被誤殺比被壞人漏網(wǎng)更糟糕, 所以我們是不是要減少好人被誤殺的機(jī)會(huì)啊? 所以我估計(jì)明年或者后年的CVPR就要擴(kuò)招了.
ICCV (1): 介紹CVPR的時(shí)候說過了, 計(jì)算機(jī)視覺方面最好的會(huì)之一. IEEE主辦. ICCV逢奇數(shù)年開，開會(huì)地點(diǎn)以往是北美，歐洲和亞洲輪流，本來2003年定在北京，后來因Sars和原定05年的法國換了一下。ICCV'07年將首次在南美(巴西)舉行.
ICML (1): 機(jī)器學(xué)習(xí)方面最好的會(huì)議之一. 現(xiàn)在是IMLS主辦, 每年舉行. 參見關(guān)于NIPS的介紹.
NIPS (1): 神經(jīng)計(jì)算方面最好的會(huì)議之一, NIPS主辦, 每年舉行. 值得注意的是, 這個(gè)會(huì)每年的舉辦地都是一樣的, 以前是美國丹佛, 現(xiàn)在是加拿大溫哥華; 而且它是年底開會(huì), 會(huì)開完后第2年才出論文集, 也就是說, NIPS'05的論文集是06年出. 會(huì)議的名字是"Advances in Neural Inxxxxation Processing Systems", 所以, 與ICMLECML這樣的"標(biāo)準(zhǔn)的"機(jī)器學(xué)習(xí)會(huì)議不同, NIPS里有相當(dāng)一部分神經(jīng)科學(xué)的內(nèi)容, 和機(jī)器學(xué)習(xí)有一定的距離. 但由于會(huì)議的主體內(nèi)容是機(jī)器學(xué)習(xí), 或者說與機(jī)器學(xué)習(xí)關(guān)系緊密, 所以不少人把NIPS看成是機(jī)器學(xué)習(xí)方面最好的會(huì)議之一. 這個(gè)會(huì)議基本上控制在MichaelJordan的徒子徒孫手中, 所以對(duì)Jordan系的人來說, 發(fā)NIPS并不是難事, 一些未必很強(qiáng)的工作也能發(fā)上去, 但對(duì)這個(gè)圈子之外的人來說, 想發(fā)一篇實(shí)在很難, 因?yàn)榱艚o"外人"的口子很小. 所以對(duì)Jordan系以外的人來說, 發(fā)NIPS的難度比ICML更大. 換句話說,ICML比較開放, 小圈子的影響不象NIPS那么大, 所以北美和歐洲人都認(rèn), 而NIPS則有些人(特別是一些歐洲人, 包括一些大家)堅(jiān)決不投稿. 這對(duì)會(huì)議本身當(dāng)然并不是好事,但因?yàn)镴ordan系很強(qiáng)大, 所以它似乎也不太care. 最近IMLS(國際機(jī)器學(xué)習(xí)學(xué)會(huì))改選理事, 有資格提名的人包括近三年在ICMLECMLCOLT發(fā)過文章的人, NIPS則被排除在外了. 無論如何, 這是一個(gè)非常好的會(huì).
ACL (1-): 計(jì)算語言學(xué)/自然語言處理方面最好的會(huì)議, ACL (Association of Computational Linguistics) 主辦, 每年開.
KR (1-): 知識(shí)表示和推理方面最好的會(huì)議之一, 實(shí)際上也是傳統(tǒng)AI(即基于邏輯的AI)最好的會(huì)議之一. KR Inc.主辦, 現(xiàn)在是偶數(shù)年開.
SIGIR (1-): 信息檢索方面最好的會(huì)議, ACM主辦, 每年開. 這個(gè)會(huì)現(xiàn)在小圈子氣越來越重. 信息檢索應(yīng)該不算AI, 不過因?yàn)檫@里面用到機(jī)器學(xué)習(xí)越來越多, 最近幾年甚至有點(diǎn)機(jī)器學(xué)習(xí)應(yīng)用會(huì)議的味道了, 所以把它也列進(jìn)來.
SIGKDD (1-): 數(shù)據(jù)挖掘方面最好的會(huì)議, ACM主辦, 每年開. 這個(gè)會(huì)議歷史比較短,畢竟, 與其他領(lǐng)域相比,數(shù)據(jù)挖掘還只是個(gè)小弟弟甚至小侄兒. 在幾年前還很難把它列在tier-1里面, 一方面是名聲遠(yuǎn)不及其他的top conference響亮, 另一方面是相對(duì)容易被錄用. 但現(xiàn)在它被列在tier-1應(yīng)該是毫無疑問的事情了. 這幾年來KDD的質(zhì)量都很高. SIGKDD從2000年來full paper的錄取率都在10%-12%之間，遠(yuǎn)遠(yuǎn)低于IJCAI和ICML.
經(jīng)常聽人說，KDD要比IJICAI和ICML都要困難。IJICAI才6頁，而KDD要10頁。沒有扎實(shí)系統(tǒng)的工作，很難不留下漏洞。有不少IJICAI的常客也每年都投KDD，可難得幾個(gè)能經(jīng)常中。
UAI (1-): 名字叫"人工智能中的不確定性", 涉及表示推理學(xué)習(xí)等很多方面, AUAI(Association of UAI) 主辦, 每年開.

我知道的幾個(gè)人工智能會(huì)議(二三流)

(原創(chuàng)為lilybbs.us上的daniel)
純屬個(gè)人看法, 僅供參考. tier-1的列得較全, tier-2的不太全, tier-3的很不全.
同分的按字母序排列. 不很嚴(yán)謹(jǐn)?shù)卣f, tier-1是可以令人羨慕的, tier-2是可以令人尊敬的,由于AI的相關(guān)會(huì)議非常多, 所以能列進(jìn)tier-3的也是不錯(cuò)的.

tier 2: tier-2的會(huì)議列得不全, 我熟悉的領(lǐng)域比較全一些.

AAMAS (2+): agent方面最好的會(huì)議. 但是現(xiàn)在agent已經(jīng)是一個(gè)一般性的概念,幾乎所有AI有關(guān)的會(huì)議上都有這方面的內(nèi)容, 所以AAMAS下降的趨勢非常明顯.
ECCV (2+): 計(jì)算機(jī)視覺方面僅次于ICCV的會(huì)議, 因?yàn)檫@個(gè)領(lǐng)域發(fā)展很快, 有可能升級(jí)到1-去.
ECML (2+): 機(jī)器學(xué)習(xí)方面僅次于ICML的會(huì)議, 歐洲人極力捧場, 一些人認(rèn)為它已經(jīng)是1-了. 我保守一點(diǎn), 仍然把它放在2+. 因?yàn)闄C(jī)器學(xué)習(xí)發(fā)展很快, 這個(gè)會(huì)議的reputation上升非常明顯.
ICDM (2+): 數(shù)據(jù)挖掘方面僅次于SIGKDD的會(huì)議, 目前和SDM相當(dāng). 這個(gè)會(huì)只有5年歷史, 上升速度之快非常驚人. 幾年前ICDM還比不上PAKDD, 現(xiàn)在已經(jīng)拉開很大距離了.
SDM (2+): 數(shù)據(jù)挖掘方面僅次于SIGKDD的會(huì)議, 目前和ICDM相當(dāng). SIAM的底子很厚,但在CS里面的影響比ACM和IEEE還是要小, SDM眼看著要被ICDM超過了, 但至少目前還是相當(dāng)?shù)?
ICAPS (2): 人工智能規(guī)劃方面最好的會(huì)議, 是由以前的國際和歐洲規(guī)劃會(huì)議合并來的. 因?yàn)檫@個(gè)領(lǐng)域逐漸變冷清, 影響比以前已經(jīng)小了.
ICCBR (2): Case-Based Reasoning方面最好的會(huì)議. 因?yàn)轭I(lǐng)域不太大, 而且一直半冷不熱, 所以總是停留在2上.
COLLING (2): 計(jì)算語言學(xué)/自然語言處理方面僅次于ACL的會(huì), 但與ACL的差距比ICCV-ECCV和ICML-ECML大得多.
ECAI (2): 歐洲的人工智能綜合型會(huì)議, 歷史很久, 但因?yàn)橛蠭JCAI/AAAI壓著,很難往上升.
ALT (2-): 有點(diǎn)象COLT的tier-2版, 但因?yàn)楦阌?jì)算學(xué)習(xí)理論的人沒多少, 做得好的數(shù)來數(shù)去就那么些group, 基本上到COLT去了, 所以ALT里面有不少并非計(jì)算學(xué)習(xí)理論的內(nèi)容.
EMNLP (2-): 計(jì)算語言學(xué)/自然語言處理方面一個(gè)不錯(cuò)的會(huì). 有些人認(rèn)為與COLLING相當(dāng), 但我覺得它還是要弱一點(diǎn).
ILP (2-): 歸納邏輯程序設(shè)計(jì)方面最好的會(huì)議. 但因?yàn)楹芏嗥渌麜?huì)議里都有ILP方面的內(nèi)容, 所以它只能保住2-的位置了.
PKDD (2-): 歐洲的數(shù)據(jù)挖掘會(huì)議, 目前在數(shù)據(jù)挖掘會(huì)議里面排第4. 歐洲人很想把它抬起來, 所以這些年一直和ECML一起捆綁著開, 希望能借ECML把它帶起來.但因?yàn)镮CDM和SDM, 這已經(jīng)不太可能了. 所以今年的PKDD和ECML雖然還是一起開, 但已經(jīng)獨(dú)立審稿了(以前是可以同時(shí)投兩個(gè)會(huì), 作者可以聲明優(yōu)先被哪個(gè)會(huì)考慮, 如果ECML中不了還可以被PKDD接受).

tier 3: 列得很不全. 另外, 因?yàn)锳I的相關(guān)會(huì)議非常多, 所以能列在tier-3也算不錯(cuò)了, 基本上能進(jìn)到所有AI會(huì)議中的前30%吧

ACCV (3+): 亞洲的計(jì)算機(jī)視覺會(huì)議, 在亞太級(jí)別的會(huì)議里算很好的了.
DS (3+): 日本人發(fā)起的一個(gè)接近數(shù)據(jù)挖掘的會(huì)議.
ECIR (3+): 歐洲的信息檢索會(huì)議, 前幾年還只是英國的信息檢索會(huì)議.
ICTAI (3+): IEEE最主要的人工智能會(huì)議, 偏應(yīng)用, 是被IEEE辦爛的一個(gè)典型. 以前的quality還是不錯(cuò)的, 但是辦得越久聲譽(yù)反倒越差了, 糟糕的是似乎還在繼續(xù)下滑, 現(xiàn)在其實(shí)3+已經(jīng)不太呆得住了.
PAKDD (3+): 亞太數(shù)據(jù)挖掘會(huì)議, 目前在數(shù)據(jù)挖掘會(huì)議里排第5.
ICANN (3+): 歐洲的神經(jīng)網(wǎng)絡(luò)會(huì)議, 從quality來說是神經(jīng)網(wǎng)絡(luò)會(huì)議中最好的, 但這個(gè)領(lǐng)域的人不重視會(huì)議,在該領(lǐng)域它的重要性不如IJCNN.
AJCAI (3): 澳大利亞的綜合型人工智能會(huì)議, 在國家/地區(qū)級(jí)AI會(huì)議中算不錯(cuò)的了.
CAI (3): 加拿大的綜合型人工智能會(huì)議, 在國家/地區(qū)級(jí)AI會(huì)議中算不錯(cuò)的了.
CEC (3): 進(jìn)化計(jì)算方面最重要的會(huì)議之一, 盛會(huì)型. IJCNN/CEC/FUZZ-IEEE這三個(gè)會(huì)議是計(jì)算智能或者說軟計(jì)算方面最重要的會(huì)議, 它們經(jīng)常一起開, 這時(shí)就叫WCCI (World Congress on Computational Intelligence). 但這個(gè)領(lǐng)域和CS其他分支不太一樣, 倒是和其他學(xué)科相似, 只重視journal, 不重視會(huì)議, 所以錄用率經(jīng)常在85%左右, 所錄文章既有quality非常高的論文, 也有入門新手的習(xí)作.
FUZZ-IEEE (3): 模糊方面最重要的會(huì)議, 盛會(huì)型, 參見CEC的介紹.
GECCO (3): 進(jìn)化計(jì)算方面最重要的會(huì)議之一, 與CEC相當(dāng)，盛會(huì)型.
ICASSP (3): 語音方面最重要的會(huì)議之一, 這個(gè)領(lǐng)域的人也不很care會(huì)議.
ICIP (3): 圖像處理方面最著名的會(huì)議之一, 盛會(huì)型.
ICPR (3): 模式識(shí)別方面最著名的會(huì)議之一, 盛會(huì)型.
IEA/AIE (3): 人工智能應(yīng)用會(huì)議. 一般的會(huì)議提名優(yōu)秀論文的通常只有幾篇文章, 被提名就已經(jīng)是很高的榮譽(yù)了, 這個(gè)會(huì)很有趣, 每次都搞1、20篇的優(yōu)秀論文提名, 專門搞幾個(gè)session做被提名論文報(bào)告, 倒是很熱鬧.
IJCNN (3): 神經(jīng)網(wǎng)絡(luò)方面最重要的會(huì)議, 盛會(huì)型, 參見CEC的介紹.
IJNLP (3): 計(jì)算語言學(xué)/自然語言處理方面比較著名的一個(gè)會(huì)議.
PRICAI (3): 亞太綜合型人工智能會(huì)議, 雖然歷史不算短了, 但因?yàn)楸人没蛘呦喈?dāng)?shù)木C合型會(huì)議太多, 所以很難上升.

總結(jié)

以上是生活随笔為你收集整理的人工智能、机器学习、数据挖掘著名会议的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。