所有文章 > 正文

【NeurIPS100】AMiner参会攻略:13000人的NeurIPS大会,如何参加更高效?

作者: 学术君

时间: 2019-12-11 13:25

如此之多的参会人数,再加上如此之多的论文,如何高效地从会议中获取有效信息成为了一个大难题。AMiner最新推出了会议助手conf-plus、KnoweldgeAtlas、溯源树三大系统工具,让你的学术顶会之旅收获满满。
NeurIPS100计划是AMiner新推出的一个针对顶会人才和顶会论文的平台化的智能挖掘服务,其目的是对每个顶级会议的100位作者和讲者(人才)进行深度洞察,分析作者之间的关联关系,形成的研究派系、作者的成长路径以及未来的成长脉络预测、跳槽指数等;另外,我们还将针对会议高影响力的100篇重要论文进行深入解读。

NeurIPS 2019日前开幕,作为机器学习领域的顶会之一,每年都是大牛云集、人山人海。

而今年的参会人数更是达到了13000人,先来张现场图感受下,真的是人气爆棚。

121112.jpg

如此之多的参会人数,再加上如此之多的论文,如何高效地从会议中获取有效信息成为了一个大难题。

• 一万多参会者中,如何找到的心仪导师或合作者?

• 上百个session中,如何聆听有价值的报告?

• 上千篇论文中,如何找到自己感兴趣的成果?

• 上千名作者中,谁是领域内的专家和新星?

• 上百个技术领域中,他们的关系是什么?

• 我发表了/看到了一篇好论文,如何分享给感兴趣的人?

以上难题,AMiner帮你解决!

AMiner最新推出了会议助手conf-plus、KnoweldgeAtlas、溯源树三大系统工具,让你的学术顶会之旅收获满满。

以下学术君就来详细介绍他们的功能与使用方法。

No.1 会议助手conf-plus

(https://www.aminer.cn/conf/nips2019)

会议助手conf-plus,除了提供NeurIPS 2019会议议程、论文等信息的检索、阅读,还能查看会议的新闻报道、论文解读等最新消息,最为关键的还提供了详尽的入选论文数据分析等内容。

1.Schedule:会议详细议程介绍,包括每场报告的主题、时间、地点,还可点击查看报告对应的论文与作者;

121113.png

2.Papers:不仅根据关键词对NeurIPS 2019入选论文进行了分类,同时支持论文标题、作者、关键词检索;

121114.jpg

点击作者姓名,会弹出一个搜索框,显示出系统检索到的所有同名学者,你可以进行投票,选择这篇论文的正确作者。

121115.jpg

当有10人以上选择该学者时,系统会判定这位学者即是该篇论文的作者,并为他打上标签;同时作者还可以链接到小脉星探,预测该学者的获奖概率;

121116.png

此外,本届获奖论文也作了特别标注;

121117.png

3.Like:在每篇论文前有点赞图标,可以给你喜欢的论文点赞,会在Like栏目里收藏你喜欢的论文;

121118.png

4.Statistics:主要展示对NeurIPS 2019入选论文的作者与机构的数据分析;

121119.png

5.Report:包含NeurIPS2019会议相关报道与论文解读。

目前大家看到的是conf-plus1.0版本,后续我们还将集成更多功能,提供大家最有价值的服务,欢迎大家使用并提出建议。

No.2 KnoweldgeAtla

http://knowledgeatlas.aminer.cn/

121120.jpg

KnoweldgeAtla是一个基于交互、分享和展示的智能知识系统。

通过对NeurIPS2019论文和作者数据的分析,我们生成了一个知识游戏,可以更好地帮助用户寻找他所感兴趣的论文和作者。

121142.jpg

具体来说,用户可以:

获取知识:查看概念定义和关系,查看知名论文和作者,给出自己的点评;

1.gif

检查知识:对自己认为不正确的概念,提出质疑;

2.gif

添加知识:占领新的概念领地,提名对应的论文和专家;

yhjklop.gif

比拼知识:排行榜将展示用户的得分,比一比谁的知识更丰富!

4.gif

除了正在召开的NeurIPS,后期我们还会陆续上线AAAI2020、WWW2020、ICLR2020等会议的知识分享。

121141.jpg

No.3 溯源树(MRT) 

(https://www.aminer.cn/mrt)

简单来说 ,溯源树是一个可以用来帮助学者研究论文演变过程的工具。

对于一篇论文,溯源树会搜索它的引用并进行自动分类。用户可以对生成的溯源树进行修改,这些记录会在后续反馈到AMiner的算法中。同时,用户还可以下载、分享溯源树。

121143.jpg

如何使用溯源树(MRT)?

通过在AMiner中搜索论文,进入论文页面点击右侧的“生成MRT”,用户可以发起这篇论文的生成请求。由于我们的资源有限,目前用户需要将自己的生成请求分享给至少两个好友,邀请他们共同完成这棵树的创建。之后我们的算法将会花费一些时间来完成计算。同时需要注意,目前的算法还无法处理一些缺少相关信息的论文。

具体使用了什么算法?

为了探寻一篇论文的演变轨迹,我们对该论文的引用进行分析。其中论文的直接引用是重要的线索,而它的间接引用也在一定程度上能够反映它的历史发展脉络,因此我们选取了这些引用工作中较有影响力的一部分,使用一系列相关算法进行分析。

具体来讲,该算法对这些引用工作进行了语义特征以及结构特征上的提取,语义特征包含了一篇论文在内容上的一些信息,而结构特征则引入了不同论文之间引用网络拓扑结构的潜在特征。我们认为,语义上相近的论文之间往往会共享一些主题,而引用关系则体现了他们在发展上的关联。将这些特征结合后,我们采用了无监督学习的聚类算法把这些论文分为若干类,每一类按照其时间轴展现出来。

在此基础上,我们对于每个类别的论文进一步进行语义特征提取,生成该类别的标签。后期我们还会进一步改进算法,将用户反馈作为半监督学习信息加入系统中,改进聚类效果。

欢迎大家使用以上工具,在使用中如有任何问题,请留言给我们。

(本文感谢刘潇、殷达同学提供参考资料,感谢zhengyiyu供图)

往期回顾:

【NeurIPS100】NeurIPS2019 七篇获奖论文揭晓 入选论文深度分析!

NeurIPS十年高引学者TOP100榜单发布!这些大牛值得膜拜!

Michael Jordan获2020年IEEE冯诺依曼奖 曾培养出Bengio等多位大牛学生

[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。

二维码 扫码微信阅读
推荐阅读 更多