【谷歌重磅发布2017学术影响因子】AI、视觉、机器人TOP20 榜单
1 新智元报道
来源： Google Scholar
报道：弗格森 刘小芹
【新智元导读】 近日，谷歌发布了2017最新版本的谷歌学术指标，对收录的会议和期刊论文根据被引用情况进行排名。在人工智能领域，arXiv排在第一超越了著名的NIPS。在更细分的领域，比如计算机视觉中，CVPR排在第一。以“机器学习”为关键词进行排名，ICML排名第一。谷歌同时也发布了具体会议和期刊被引用最多的文章，比如，视觉领域的文章被引用得最多的是 Wei Liu和贾扬清等人合作介绍GoogLeNet的论文。
谷歌学术指标提供了一个简便的方法，让学者们可以迅速地看到学术出版物上最新文章的影响力。
近日，谷歌发布了2017最新版本的谷歌学术指标（ 2017 version of Scholar Metrics），本次发布覆盖了从2012到2016年发布的所有文章，并包括截至2017年6月在谷歌学术搜索中索引的所有文章引用情况。
谷歌学术指标收录的文章包括：遵守谷歌学术收录准则的网站、计算机和电子工程领域特定的会议论文、以及来自arXiv和NBER的预印本。 2012-2016，出版低于100篇文章的出版物，或者这段时间内没有被引用的出版物没有被收录在内。
在谷歌的官方网站上，你可以用特定的类型关键词进行搜索，比如 Ceramic Engineering、 High Energy & Nuclear Physics 或者 Film ；或者更宽泛的领域，比如 Engineering & Computer Science 或者 Humanities, Literature & Arts 。
在网站上，你可以看到根据5年高引用（h-index）和 h-median 指标排名的前20出版物。你也能看到不同语种排名前100的出版物，比如中文、西班牙语和葡萄牙语。每一个出版物，你可以点击 h5-index 查看改出版物被引用最多的论文。
学者指标包括除了每个类别和每个语言页面上列出的大量出版物。您可以在搜索框中的标题中输入单词，例如[allergy]，[cardiología]，[biomarkers]，找到这些内容。
谷歌学术把英文类出版物分为以下几大类：
商业、经济和管理
化学和材料科学
工程和计算机科学
健康和医学科学
人文、文学和艺术
生命科学和地球科学
物理和数学
社会科学
英文类出版物，网站列出了TOP100的名单，其中 Nature 排名第一，H5指数366，H5中位数563。
在工程和计算机科学类目下，排名第一的是Advanced Materials（先进材料）。《先进材料》（英语：Advanced Materials）是一本涵盖材料科学的学术周刊。期刊发表的文章经过同行评审，论文类型包括通讯、综述和特稿，内容涉及物理学、化学、生物学、纳米科学和技术、冶金学、陶瓷和生物材料。
排在第2位的是 Nano Letters（纳米通讯）。Nano Letters 是国际纳米科学技术领域的权威学术期刊，由美国化学学会出版，其目的是快速公布一项研究的关键部分，因此倾向于发表短小、通讯样式的文章。
排名第3的是 Energy & Environmental Science（能源与环境科学）。这是一份2008年起由英国英国皇家化学院发行的学术期刊，内容涵盖生物化学、生物物理以及化学工程。
我们比较熟悉的 CVPR 排在第6位，CVPR全称IEEE Conference on Computer Vision and Pattern Recognition, CVPR（IEEE计算机视觉与模式识别会议），是由IEEE举办的计算机视觉领域的顶级会议，近年来每年有约1500名参加者，收录的论文数量在300篇左右。
排名第5，第7，第8的分别是Nature的三种子刊，Nature Materials（自然-材料科学），Nature Nanotechnology（自然-纳米技术）和 Nature Photonics（自然-光子学）。
工程和计算机科学类目下分为56个子领域，其中包括人工智能、计算机语言学、计算机视觉与模式识别、人机交互、Robotics。下文将对这些领域进行详细介绍。
arXiv上计算机科学类以Learning为关键词的文章被排在了这个列表的第一名，H5指数107。顶会NIPS排在了第二名，Expert Systems with Applications 排在第三。
来看看这一领域arXiv 被引最多的论文前三名：
第一名是阿姆斯特丹大学、Open AI 研究员 Diederik P. Kingma 和多伦多大学的Jimmy Lei Ba2014年合作的论文：《 Adam：A Method for Stochastic Optimization》，引用次数多达 2752 次。
第二名是蒙特利尔大学的Yoshua Bengio， Aaron Courville和 Pascal Vincent 联合完成的《Representation Learning: A Review and New Perspectives》。
第三名是谷歌的 Sergey Ioffe 和 Christian Szegedy的《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》。
在计算机视觉与模式识别领域，IEEE的CVPR领先arXiv排在第一名，ICCV排在第六。
视觉领域的文章被引用得最多的是Christian Szegedy, Wei Liu, 贾扬清, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, Andrew Rabinovich等人共同完成的《Going Deeper With Convolutions》，这篇论文介绍了谷歌的GoogLeNet，见下图：
该领域被引最多的文章中，还有一篇也非常值得关注。微软亚洲研究院研究员孙剑、何恺明以及西安交通大学和中国科学技术大学的实习生张祥雨和任少卿共同合作的研究《Deep Residual Learning for Image Recognition》。这篇文章排在了第三名，被引2451次。
CVPR该领域被引文章列表详情：https://scholar.google.com/citations?hl=en&vq=eng_computervisionpatternrecognition&view_op=list_hcore&venue=l60tToE7K3UJ.2017
在自然（Google scholar中的分类是Computational Linguistics）领域，排名第一的是 arXiv 的“计算机与语言”板块（cs.CL）。
arXiv之后，第2~5位均是会议。排名第2的是ACL，全名Meeting of the Association for Computational Linguistics（国际计算语言学年会），是计算机语言学和自然语言处理领域最高级别的国际学术年会。ACL年会已有55年历史，每年发表的论文都反映了NLP领域的最新研究进展和学术动向。
第3~5位分别是EMNLP，HLT-NAACL和LREC三个学术会议。
排名第一的是 arXiv 的“计算机与语言”板块（cs.CL）被引用最多的三篇文章，排在第一的是由Tomas Mikolov，Ilya Sutskever，Kai Chen，Greg S. Corrado和Jeff Dean等人共同完成的《Distributed Representations of Words and Phrases and their Compositionality》。
在谷歌学术的网站上，可以使用自定义关键词进行搜索，新智元以“Machine Learning”为关键词进行搜索，获得的结果如下：
以 Machine Learning 为关键词进行搜索，可以看到谷歌学术的排名第一的是 International Conference on Machine Learning (ICML) 。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。
第二名是arXiv上的 ML 类别。第三名：The Journal of Machine Learning Research 。
排名第一的ICML大会被引用最多三篇的论文：
排名第一的ICML大会被引用最多的论文：Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift。作者是谷歌的 Sergey Ioffe, Christian Szegedy。
被引用第二多的论文，DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition。作者包括：Jeff Donahue, 贾扬清 , Oriol Vinyals, Judy Hoffman, Ning Zhang, Eric Tzeng, Trevor Darrel。
2012年，吴恩达与Jeff Dean，Quoc V. Le ， Marc’Aurelio Ranzato ，Rajat Monga ，Matthieu Devin，Kai Chen ，Greg S. Corrado 等人合作的论文 Building High-level Features Using Large Scale Unsupervised Learning排在了第三名，被引用了1258次。
谷歌学术查询地址：https://scholar.google.com/citations?view_op=top_venues&hl=en&vq=eng
点击阅读原文查看新智元招聘信息