?IJCAI (1+): AI最好的綜合性會議, 1969年開始,
每兩年開一次, 奇數年開. 因為AI
實在太大,
所以雖然每屆基本上能錄100多篇（現在已經到200多篇了），但分到每個
領域就沒幾篇了，象machine learning、computer
vision這么大的領域每次大概也
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, 因為內
行人都會掂掂分量, 沒希望的就別浪費reviewer的時間了.
最近中國大陸投往國際會
議的文章象潮水一樣,
而且因為國內很少有能自己把關的研究組,
所以很多會議都在
complain說中國的低質量文章嚴重妨礙了PC的工作效率.
在這種情況下, 估計這幾年
國際會議的錄用率都會降下去. 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是由貌似一個公司
的"IJCAI Inc."主辦的(當然實際上并不是公司,
實際上是個基金會), 每次會議上要
發幾個獎, 其中最重要的兩個是IJCAI Research Excellence
Award 和 Computer
& Thoughts Award, 前者是終身成就獎, 每次一個人,
基本上是AI的最高獎(有趣的
是, 以AI為主業拿圖靈獎的6位中,
有2位還沒得到這個獎), 后者是獎給35歲以下的
青年科學家, 每次一個人.
這兩個獎的獲獎演說是每次IJCAI的一個重頭戲.另外,
IJCAI 的 PC member 相當于其他會議的area chair, 權力很大,
因為是由PC member
去找 reviewer 來審, 而不象一般會議的PC member其實就是
reviewer. 為了制約
這種權力, 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): 美國人工智能學會AAAI的年會.
是一個很好的會議, 但其檔次不穩定, 可
以給到1+, 也可以給到1-或者2+, 總的來說我給它"1".
這是因為它的開法完全受
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, 偶數年
里因為沒有IJCAI, 它就是最好的AI綜合性會議,
但因為號召力畢竟比IJCAI要小一些,
特別是歐洲人捧AAAI場的比IJCAI少得多(其實亞洲人也是),
所以比IJCAI還是要稍弱
一點, 基本上在1和1+之間; 在奇數年,
如果IJCAI不在北美, AAAI自然就變成了比
IJCAI低一級的會議(1-或2+), 例如2005年既有IJCAI又有AAAI,
兩個會議就進行了協
調, 使得IJCAI的錄用通知時間比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IJCAI 的 PC chair也在一直催,
說大家一定要快, 因為AAAI
那邊一直在擔心IJCAI的錄用通知出晚了AAAI就麻煩了.
COLT (1): 這是計算學習理論最好的會議, ACM主辦,
每年舉行. 計算學習理論基本上
可以看成理論計算機科學和機器學習的交叉,
所以這個會被一些人看成是理論計算
機科學的會而不是AI的會.
我一個朋友用一句話對它進行了精彩的刻畫:
"一小群數
學家在開會". 因為COLT的領域比較小,
所以每年會議基本上都是那些人. 這里順便
提一件有趣的事, 因為最近國內搞的會議太多太濫,
而且很多會議都是LNCS/LNAI出
論文集, LNCS/LNAI基本上已經被搞臭了, 但很不幸的是,
LNCS/LNAI中有一些很好的
會議, 例如COLT.
CVPR (1): 計算機視覺和模式識別方面最好的會議之一,
IEEE主辦, 每年舉行. 雖然題
目上有計算機視覺,
但個人認為它的模式識別味道更重一些.
事實上它應該是模式識
別最好的會議, 而在計算機視覺方面,
還有ICCV與之相當. IEEE一直有個傾向, 要把
會辦成"盛會",
歷史上已經有些會被它從quality很好的會辦成"盛會"了.
CVPR搞不好
也要走這條路. 這幾年錄的文章已經不少了.
最近負責CVPR會議的TC的chair發信
說, 對這個community來說,
讓好人被誤殺比被壞人漏網更糟糕,
所以我們是不是要減
少好人被誤殺的機會啊?
所以我估計明年或者后年的CVPR就要擴招了.
ICCV (1): 介紹CVPR的時候說過了,
計算機視覺方面最好的會之一. IEEE主辦.
ICCV逢奇數年開，開會地點以往是北美，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.
CVPR原則上每年在北美開,
如果那年正好ICCV在北美,則該年沒有CVPR.
ICML (1): 機器學習方面最好的會議之一. 現在是IMLS主辦,
每年舉行. 參見關于NIPS的
介紹.
NIPS (1): 神經計算方面最好的會議之一, NIPS主辦,
每年舉行. 值得注意的是, 這個會
每年的舉辦地都是一樣的, 以前是美國丹佛,
現在是加拿大溫哥華; 而且它是年底開會,
會開完后第2年才出論文集, 也就是說,
NIPS'05的論文集是06年出. 會議的名字是
"Advances in Neural Inxxxxation Processing Systems", 所以,
與ICMLECML這樣
的"標準的"機器學習會議不同,
NIPS里有相當一部分神經科學的內容, 和機器學習有
一定的距離. 但由于會議的主體內容是機器學習,
或者說與機器學習關系緊密, 所以
不少人把NIPS看成是機器學習方面最好的會議之一.
這個會議基本上控制在Michael
Jordan的徒子徒孫手中, 所以對Jordan系的人來說,
發NIPS并不是難事, 一些未必很
強的工作也能發上去, 但對這個圈子之外的人來說,
想發一篇實在很難, 因為留給"外
人"的口子很小. 所以對Jordan系以外的人來說,
發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, 而NIPS則有
些人(特別是一些歐洲人, 包括一些大家)堅決不投稿.
這對會議本身當然并不是好事,
但因為Jordan系很強大, 所以它似乎也不太care.
最近IMLS(國際機器學習學會)改選
理事,
有資格提名的人包括近三年在ICMLECMLCOLT發過文章的人,
NIPS則被排除在
外了. 無論如何, 這是一個非常好的會.
ACL (1-): 計算語言學/自然語言處理方面最好的會議, ACL
(Association of
Computational Linguistics) 主辦, 每年開.
KR (1-): 知識表示和推理方面最好的會議之一,
實際上也是傳統AI(即基于邏輯的AI)
最好的會議之一. KR Inc.主辦, 現在是偶數年開.
SIGIR (1-): 信息檢索方面最好的會議, ACM主辦, 每年開. 這個會現在小圈子氣越來
越重. 信息檢索應該不算AI,
不過因為這里面用到機器學習越來越多, 最近幾年甚至 有點機器學習應用會議的味道了, 所以把它也列進來.
SIGKDD (1-): 數據挖掘方面最好的會議, ACM主辦, 每年開. 這個會議歷史比較短,
畢竟,
與其他領域相比,數據挖掘還只是個小弟弟甚至小侄兒.
在幾年前還很難把它列 在tier-1里面, 一方面是名聲遠不及其他的top
conference響亮, 另一方面是相對容易 被錄用.
但現在它被列在tier-1應該是毫無疑問的事情了.
這幾年來KDD的質量都很 高. SIGKDD從2000年來full paper的錄取率都在10%-12%之間，遠遠低于IJCAI和ICML.
經常聽人說，KDD要比IJICAI和ICML都要困難。IJICAI才6頁，而KDD要10頁。沒有扎實系統
的工作，很難不留下漏洞。有不少IJICAI的常客也每年都投KDD，可難得幾個能經常中。
UAI (1-): 名字叫"人工智能中的不確定性",
涉及表示推理學習等很多方面, AUAI
(Association of UAI) 主辦, 每年開
凡是有該標志的文章，都是該blog博主Caoer（草兒）原創，凡是索引、收藏
、轉載請注明來處和原文作者。非常感謝。