人工智能顶会真相！深度学习热度高，论文录取率创新低 | 智东西内参

近日，清华大学人工智能研究院知识智能研究中心、北京智谱华章科技有限公司联合发布了《2020 年人工智能几个重点领域顶级国际学术会议分析报告》（以下简称《报告》）。依托于科技情报大数据挖掘与服务系统平台 AMiner，《报告》主要从论文、作者、国家、机构等多个维度，详细展示了 2020 年机器学习、计算机视觉等人工智能几个重点领域顶级国际学术会议的前沿研究成果及其特征。

来源清华大学人工智能研究院知识智能研究中心

原标题：

《2020 年人工智能几个重点领域 顶级国际学术会议分析报告》

作者：张淼等

一、AI顶会NeurIPS、CVPR 与 ECCV 论文前三

报告所研究的人工智能这几个重点领域的国际顶会在 2020 年共计收到42683 篇论文投稿，具体分布情况如下图所示。从单个会议投稿量看，神经信息处理系统年会 NeurIPS 在这 10 个会议中所接收到的论文投稿量最多，为 9454篇论文，同时也在机器学习领域三个会议中居首。

其次是计算机视觉与模式识别会议 CVPR 和欧洲计算机视觉会议 ECCV，分别收到 6656 篇和 5025 篇论文投稿。相比而言，知识发现和数据挖掘会议 KDD 和信息检索特别兴趣小组 SIGIR所收到的论文投稿量较少，均不足 2000 篇。从子领域来看，机器学习、计算机视觉、自然语言处理三个子领域会议收到的论文投稿总量较多，反映出这些领域的论文研究成果丰硕。

人工智能几个重点子领域顶级国际学术会议 2020 年的投稿量情况

录取率方面，报告所研究的人工智能这几个重点领域 10 个国际顶会的论文平均录取率 为 22.1%。各个会议的具体论文收录情况如下图所示。

从论文录取数量来看，机器学习领域 NeurIPS 会议的论文收录数量最多，为1900 篇；计算机视觉领域的 CVPR 和 ECCV 的论文收录数量次之，分别位于第二、第三位。这反映出，计算机视觉和机器学习领域高质量研究成果数量较多。

从论文收录率来看，信息检索领域的会议SIGIR 论文录取率最高，该会议论文录取率为 28.8%。相比而言，作为人工智能领域的首个国际学术性会议，经典 AI 领域的国际人工智能联合会议IJCAI 的论文录取率在 2020 年的这 10 个国 际顶会之中最低，为 12.50%，且相比 IJCAI 2019 年的 17.9%录取率大幅下降，同时也是 IJCAI 会议自 2013 年以来的最低论文接受率，由此可见，随着 IJCAI论文审稿愈来愈严格，论文被该会议接受变得越来越难。

在机器学习领域，NeurIPS 会议的论文接受量虽然最多，但是该会议的论文收录率却最低。在计算机视觉领域，CVPR 会议论文的收录率低于 ECCV。在自然语言处理领域，ACL 与 EMNLP 两个会议的收录率差别不大；值得一提的是，在 EMNLP2020 会议中，中国的论文接受率只有 13.2%，远低于大会的平均水平，而英国、新加坡和丹麦在该会议中有超过 30%的接受率，美国也有 27%的接受率，可见中国学者论文的接受率还有待提高。

人工智能几个重点子领域顶级国际学术会议 2020 年的论文录取情况

二、深度学习热度高，GNN、RNN算法最火爆

基于上文所述的人工智能几个重点领域 10 个顶级国际学术会议所收录的论文，通过对会议论文的标题、摘要和自带关键词进行统计分析和文本聚类，运用TF-IDF 算法对所研究时段内的主题相关论文数量进行计算，获取论文数量 TOP20 的热点关键词并制作词云图，得到人工智能几个重点领域的近五年（2015-2020年）来的主题研究热点。

1、机器学习

综合机器学习领域三个顶级会议（ICLR、NeurIPS、ICML）的论文研究点，发现近年来机器学习最热门的研究技术点是深度学习（Deep Learning）或深度神经网络（Deep Neural Networks）、强化学习（Reinforcement Learning）、深度强化学习（Deep Reinforcement Learning），尤其是深度学习中的生成式对抗网络（GAN,Generative Adversarial Networks）与循环神经网络（Recurrent Neural Network, RNN)）两大算法模型，相关论文量占比达 14.8%。此外，还都较多涉及了梯度下降（Gradient Descent ）方法。

除了以上共同的研究热点，ICLR 与 ICML 都较多研究了深度学习中的对抗样本（Adversarial Examples）问题。ICLR 与 NeurIPS 会议论文都较多研究了深度学习中的卷积神经网络（Convolutional Neural Networks，CNN）算法。而 ICML和 NeurIPS 两个会议的论文都较多研究了贝叶斯优化 (Bayesian Optimization)、变分推断（Variational Inference）、高斯过程（Gaussian Process, GP）、主动学习（Active Learning）、在线学习（Online Learning）等技术点。

就单个会议而言，ICLR 会议论文还较多研究了学习表征（Learning Representations）、迁移学习（Transfer Learning）、无监督学习（UnsupervisedLearning）等方法。ICML 会议论文还涉及了少量的差分隐私（Differential Privacy）、非凸优化（Nonconvex Optimization）方法，以及结构化预测（Structured Prediction）问题；NeurIPS 会议论文还较多研究了样本复杂度（Sample Complexity）等问题。

机器学习三大顶会会议论文近年研究热点词云图

2、计算机视觉

综合分析 CVPR、ECCV 两个计算机视觉领域顶级国际会议的研究点发现，目标检测（Object Detection）与语义分割（Semantic Segmentation）是计算机视觉领域近五年（2015-2020）的最热门研究点，相关论文量占比 8%。此外较热门的研究点还有行为识别（Action Recognition）、行人重识别（Person Re-Identification）、人体姿态估计(Human Pose Estimation)、图像分类（Image Classification）等问题，所采用的手段较多是深度学习（Deep Learning）及其代表算法之一卷积神经网络（Convolutional Neural Networks）等。

相对而言，CVPR 会议论文还较多研究了视觉问答（Visual Question Answering）、人脸识别（Face Recognition）等问题，以及生成式对抗网络（Generative Adversarial Networks）的模型算法；ECCV 会议论文还较多研究了人脸对齐（Face Alignment）、视频分类（Video Classification）、图像描述（ImageCaptioning）、无监督领域自适应（Unsupervised Domain Adaptation）等技术问题，以及无监督学习（Unsupervised Learning）方式。

计算机视觉顶会 CVPR 与 ECCV 会议论文近年研究热点词云图

3、自然语言处理

综合分析自然语言处理领域两个国际顶会 ACL 和 EMNLP 的论文研究热点可知，神经机器翻译（Neural Machine Translation）在自然语言处理领域 2015-2020年的研究热度遥遥领先，其他较热的研究问题还有词嵌入（Word Embeddings）、智能问答（QuestionAnswering）、语义解析（Semantic Parsing）、实体识别（EntityRecognition）、文本分类（Text Classification）、关系抽取（Relation Extraction）、自然语言推理（Natural Language Inference）等技术点，较热门的研究对象是社会媒体（Social Media）。

除此之外，就单个会议而言，ACL 会议论文还较多研究了统计机器翻译（Statistical Machine Translation）、领域自适应（Domain Adaptation）、依存分析（Dependency Parsing）等问题，较热门的研究方法是深度学习（Deep Learning）以及深度学习之中的循环神经网络（Recurrent Neural Network）算法等。EMNLP会议论文还较多研究了包括语言模型（Language Modeling）、语义角色（Semantic Role）、语义分析（Semantic Analysis）等问题，方法较多是关于深度强化学习（DeepReinforcement Learning）的。