所有文章 > 正文

智库|ICML2019一作华人库即将上线

作者: 学术猴

时间: 2019-06-04 17:40

ICML国际机器学习大会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。本智库将收录2019年ICML接受论文的第一作者是华裔学生学者的信息,敬请期待!

欢迎访问全球华人专家智库(https://gct.aminer.cn/)。

ICML 是 International Conference on Machine Learning 的缩写,即国际机器学习大会。如今,ICML 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。与其他机器学习会议一样,近年来 ICML 的投稿数量持续暴涨。ICML 2017有1676 篇投稿,接受了434篇接受论文,2018 年则是 2473 / 621,投稿数增加了 45%,ICML2019共收到3400篇左右的投稿,共有773篇论文被录用。

图一(ICML2019官网首页)

ICML 2019 大会将于6月10日至15日在美国加州长滩举行,比去年早了一个月。ICML2019论文录取结果前不久在网上引起了人们的热议,各方对评审结果竞相发表意见。论文评审在各个顶级期刊会议都是热点话题,ICML2018也有许多优秀论文让人们印象深刻,小编现在带大家回顾一下ICML 2018的其中一篇最佳获奖论文。

论文题目:Delayed Impact of Fair Machine Learning

作者:Lydia Liu, Sarah Dean, Esther Rolf, Max Simchowitz, Moritz Hardt

图二(学者论文摘要)

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

机器学习的基础理念之一是用训练减少误差,但这类系统通常会因为敏感特征(如种族和性别)产生歧视行为。其中的一个原因可能是数据中存在偏见,比如在贷款、招聘、刑事司法和广告等应用领域中,机器学习系统会因为学习了存在于数据中的历史偏见,对现实中的弱势群体造成伤害,因而受到批评。

在AMiner主页中点击Trend搜索机器学习,呈现机器学习领域热点关键词的趋势图,从图中可以判断热点关键词TOP5为information retrieval、language model、machine learning、image classification、object recognition。

图三(机器学习热点关键词趋势)

人工智能是一类非常广泛的问题,机器学习是其中一个重要领域和手段,深度学习则是机器学习的一个分支。在很多人工智能问题上,深度学习的方法突破了传统机器学习的瓶颈,因而影响力迅速扩大。AMiner 研究人员通过四个脉络对深度学习发展脉络进行了梳理 。(脉络一:cv/tensor;脉络二:生成模型;脉络三:Sequence Learning;脉络四:Deep reinforcement Learning)

图四(深度学习发展脉络)

即将上新的ICML智库将会收录在这次会议上发表论文的华裔学生作者。在新生成的智库中, 从h指数、姓名、学术活跃度、领域新星、引用数、论文数共六个维度对学者进行排序,每一个维度对应的是不同顺序的专家列表,并且设置过滤条件辅助,用户可以根据自身需求快速查询需要的专家学者信息。除此之外还有智库统计数据:从h指数、论文数、性别、语言、地域、所属机构、研究兴趣等七个维度对库中收录学者进行归纳,统计智库中不同研究方向的学者数量,收录专家的研究兴趣还以词云的方式直观展示出来。

【六大维度】

1)h指数(h-index):国际公认的能够比较准确反映学者学术水平的指数,计算方法是该学者至少有h篇论文分别被引用了至少h次。

2)学术活跃性指数(Activity):综合考虑学者在过去几年发表论文的频率和数量,以及每篇论文的重要性,得出每个学者的学术活跃度指数。

3)研究多样性指数(Diversity):按照学者兴趣领域广度得出每个专家的研究多样性指数。

4)学术社交性指数(Sociability):综合考虑学者合作者数量及水平、所属组织等因子得出每个学者的学术社交性指数。

5)论文引用数(Citation):以学者群体论文被引用数为基础的反映学者研究成果被关注程度的量化指标。

6)论文数(Papers):表示学者的论文数量。

以学者的所属机构为例,在智库中以饼图的形式展示出收录学者所属机构的占比情况。通过该图能了解到给ICML投稿的华人者主要来自哪些机构,从而清楚掌握机器学习的前端组织,便于用户更好的搜寻相关信息。(图示组织信息以图灵智库信息为例)

图五(智库组织信息统计)

如您对新上线的智库感兴趣请持续关注我们的公众号以及网站(http://gct.aminer.cn/ ),即将上线的ICML一作学生智库希望能满足您的需求。如果您有任何需求或建议,欢迎您在评论区给后台留言,若在新的智库与您相遇,将是我们的荣幸。


[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

推荐阅读 更多