人工智能著名会议

by 南京大学 周志华　

tier 1：一流国际会议：

IJCAI （1+）：人工智能（AI）最好的综合性会议，1969年开始，每两年开一次，奇数年开。因为AI 实在太大，所以虽然每届基本上能录100多篇（现在已经到200多篇了），但分到每个领域就没几篇了，象machine learning、computer vision这么大的领域每次大概也就10篇左右，所以难度很大。不过从录用率上来看倒不太低，基本上20%左右， 因为内 行人都会掂掂分量，没希望的就别浪费reviewer的时间了。最近中国大陆投往国际会议的文章象潮水一样，而且因为国内很少有能自己把关的研究组，所以很多会议都在complain说中国的低质量文章严重妨碍了PC的工作效率。在这种情况下，估计这几年国际会议的录用率都会降下去。另外，以前的IJCAI是没有poster的， 03年开始，为了减少被误杀的好人，增加了2页纸的poster。值得一提的是，IJCAI是由貌似一个公司“IJCAI Inc.”的（当然实际上并不是公司， 实际上是个基金会），每次会议上要 发几个奖，其中最重要的两个是IJCAI Research Excellence Award 和 Computer & Thoughts Award，前者是终身成就奖， 每次一个人，基本上是AI的最高奖（有趣的是，以AI为主业拿图灵奖的6位中，有2位还没得到这个奖），后者是奖给35岁以下的青年科学家，每次一个人。这两个奖的获奖演说是每次IJCAI的一个重头戏。另外，IJCAI 的PC member相当于其他会议的area chair，权力很大，因为是由PC member去找reviewer来审，而不象一般会议的PC member其实就是reviewer。为了制约这种权力，IJCAI的审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）：美国人工智能学会AAAI的年会。是一个很好的会议，但其档次不稳定，可以给到1+，也可以给到1-或者2+，总的来说我给它1。这是因为它的开法完全受IJCAI制约：每年开，但如果这一年的IJCAI在北美举行，那么就停开。所以，偶数年里因为没有IJCAI，它就是最好的AI综合性会议，但因为号召力毕竟比IJCAI要小一些，特别是欧洲人捧AAAI场的比IJCAI少得多（其实亚洲人也是），所以比IJCAI还是要稍弱一点，基本上在1和1+之间; 在奇数年，如果IJCAI不在北美，AAAI自然就变成了比IJCAI低一级的会议（1-或2+），例如2005年既有IJCAI又有AAAI，两个会议就进行了协调，使得IJCAI的录用通知时间比AAAI的deadline早那么几天，这样IJCAI落选的文章可以投往AAAI。在审稿时IJCAI 的 PC chair也在一直催，说大家一定要快，因为AAAI那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了。
COLT （1）：这是计算学习理论最好的会议，ACM主办，每年举行。计算学习理论基本上可以看成理论计算机科学和机器学习的交叉，所以这个会被一些人看成是理论计算机科学的会而不是AI的会。我一个朋友用一句话对它进行了精彩的刻画：“一小群数学家在开会”。因为COLT的领域比较小，所以每年会议基本上都是那些人。这里顺便提一件有趣的事，因为最近国内搞的会议太多太滥，而且很多会议都是LNCS/LNAI出论文集，LNCS/LNAI基本上已经被搞臭了，但很不幸的是，LNCS/LNAI中有一些很好的会议，例如COLT。
CVPR （1）：计算机视觉和模式识别方面最好的会议之一，IEEE主办，每年举行。虽然题目上有计算机视觉，但个人认为它的模式识别味道更重一些。事实上它应该是模式识别最好的会议，而在计算机视觉方面，还有ICCV与之相当。IEEE一直有个倾向，要把会办成”盛会”，历史上已经有些会被它从quality很好的会办成“盛会”了。CVPR搞不好也要走这条路。这几年录的文章已经不少了。最近负责CVPR会议的TC的chair发信说，对这个community来说，让好人被误杀比被坏人漏网更糟糕，所以我们是不是要减少好人被误杀的机会啊? 所以我估计明年或者后年的CVPR就要扩招了。
ICCV （1）：介绍CVPR的时候说过了，计算机视觉方面最好的会之一。IEEE主办。ICCV逢奇数年开，开会地点以往是北美，欧洲和亚洲轮流，本来2003年定在北京，后来因Sars和原定05年的法国换了一下。ICCV'07年将首次在南美（巴西）举行.
ICML （1）：机器学习方面最好的会议之一。现在是IMLS主办，每年举行。参见关于NIPS的介绍。
NIPS （1）：神经计算方面最好的会议之一，NIPS主办，每年举行。值得注意的是，这个会每年的举办地都是一样的，以前是美国丹佛，现在是加拿大温哥华; 而且它是年底开会，会开完后第2年才出论文集，也就是说，NIPS'05的论文集是06年出。会议的名字是“Advances in Neural Inxxxxation Processing Systems”，所以，与ICMLECML这样的“标准的”机器学习会议不同，NIPS里有相当一部分神经科学的内容，和机器学习有一定的距离。但由于会议的主体内容是机器学习，或者说与机器学习关系紧密，所以不少人把NIPS看成是机器学习方面最好的会议之一。这个会议基本上控制在MichaelJordan的徒子徒孙手中，所以对Jordan系的人来说，发NIPS并不是难事，一些未必很强的工作也能发上去，但对这个圈子之外的人来说，想发一篇实在很难，因为留给“外人”的口子很小。所以对Jordan系以外的人来说，发NIPS的难度比ICML更大。换句话说，ICML比较开放，小圈子的影响不象NIPS那么大，所以北美和欧洲人都认，而NIPS则有些人（特别是一些欧洲人，包括一些大家）坚决不投稿。这对会议本身当然并不是好事，但因为Jordan系很强大，所以它似乎也不太care。最近IMLS（国际机器学习学会）改选理事，有资格提名的人包括近三年在ICMLECMLCOLT发过文章的人，NIPS则被排除在外了。无论如何，这是一个非常好的会。
ACL （1-）：计算语言学/自然语言处理方面最好的会议，ACL （Association of Computational Linguistics）主办，每年开。
KR （1-）：知识表示和推理方面最好的会议之一，实际上也是传统AI（即基于逻辑的AI）最好的会议之一。KR Inc。主办，现在是偶数年开。
SIGIR （1-）：信息检索方面最好的会议，ACM主办，每年开。这个会现在小圈子气越来越重。信息检索应该不算AI，不过因为这里面用到机器学习越来越多，最近几年甚至有点机器学习应用会议的味道了，所以把它也列进来。
SIGKDD （1-）：数据挖掘方面最好的会议，ACM主办，每年开。这个会议历史比较短，毕竟，与其他领域相比，数据挖掘还只是个小弟弟甚至小侄儿。在几年前还很难把它列在tier-1里面，一方面是名声远不及其他的top conference响亮，另一方面是相对容易被录用。但现在它被列在tier-1应该是毫无疑问的事情了。这几年来KDD的质量都很高。SIGKDD从2000年来full paper的录取率都在10%-12%之间，远远低于IJCAI和ICML。
经常听人说，KDD要比IJICAI和ICML都要困难。IJICAI才6页，而KDD要10页。没有扎实系统的工作，很难不留下漏洞。有不少IJICAI的常客也每年都投KDD，可难得几个能经常中。
UAI （1-）：名字叫“人工智能中的不确定性”，涉及表示推理学习等很多方面，AUAI（Association of UAI）主办，每年开.

 

我知道的几个人工智能会议（二三流）

（原创为lilybbs。us上的daniel）
纯属个人看法，仅供参考。tier-1的列得较全，tier-2的不太全，tier-3的很不全。
同分的按字母序排列。不很严谨地说，tier-1是可以令人羡慕的，tier-2是可以令人尊敬的，由于AI的相关会议非常多，所以能列进tier-3的也是不错的.

tier 2：tier-2的会议列得不全，我熟悉的领域比较全一些.

AAMAS （2+）：agent方面最好的会议。但是现在agent已经是一个一般性的概念，几乎所有AI有关的会议上都有这方面的内容，所以AAMAS下降的趋势非常明显。
ECCV （2+）：计算机视觉方面仅次于ICCV的会议，因为这个领域发展很快，有可能升级到1-去。
ECML （2+）：机器学习方面仅次于ICML的会议，欧洲人极力捧场，一些人认为它已经是1-了。我保守一点，仍然把它放在2+。因为机器学习发展很快，这个会议的reputation上升非常明显。
ICDM （2+）：数据挖掘方面仅次于SIGKDD的会议，目前和SDM相当。这个会只有5年历史，上升速度之快非常惊人。几年前ICDM还比不上PAKDD，现在已经拉开很大距离了。
SDM （2+）：数据挖掘方面仅次于SIGKDD的会议，目前和ICDM相当。SIAM的底子很厚，但在CS里面的影响比ACM和IEEE还是要小，SDM眼看着要被ICDM超过了，但至少目前还是相当的。
ICAPS （2）：人工智能规划方面最好的会议，是由以前的国际和欧洲规划会议合并来的。因为这个领域逐渐变冷清，影响比以前已经小了。
ICCBR （2）：Case-Based Reasoning方面最好的会议。因为领域不太大，而且一直半冷不热，所以总是停留在2上。
COLLING （2）：计算语言学/自然语言处理方面仅次于ACL的会，但与ACL的差距比ICCV-ECCV和ICML-ECML大得多。
ECAI （2）：欧洲的人工智能综合型会议，历史很久，但因为有IJCAI/AAAI压着，很难往上升。
ALT （2-）：有点象COLT的tier-2版，但因为搞计算学习理论的人没多少，做得好的数来数去就那么些group，基本上到COLT去了，所以ALT里面有不少并非计算学习理论的内容。
EMNLP （2-）：计算语言学/自然语言处理方面一个不错的会。有些人认为与COLLING相当，但我觉得它还是要弱一点。
ILP （2-）：归纳逻辑程序设计方面最好的会议。但因为很多其他会议里都有ILP方面的内容，所以它只能保住2-的位置了。
PKDD （2-）：欧洲的数据挖掘会议，目前在数据挖掘会议里面排第4。欧洲人很想把它抬起来，所以这些年一直和ECML一起捆绑着开，希望能借ECML把它带起来。但因为ICDM和SDM，这已经不太可能了。所以今年的PKDD和ECML虽然还是一起开，但已经独立审稿了（以前是可以同时投两个会，作者可以声明优先被哪个会考虑，如果ECML中不了还可以被PKDD接受）.

tier 3：列得很不全。另外，因为AI的相关会议非常多，所以能列在tier-3也算不错了，基本上能进到所有AI会议中的前30%吧。

ACCV （3+）：亚洲的计算机视觉会议，在亚太级别的会议里算很好的了。
DS （3+）：日本人发起的一个接近数据挖掘的会议。
ECIR （3+）：欧洲的信息检索会议，前几年还只是英国的信息检索会议。
ICTAI （3+）：IEEE最主要的人工智能会议，偏应用，是被IEEE办烂的一个典型。以前的quality还是不错的，但是办得越久声誉反倒越差了，糟糕的是似乎还在继续下滑，现在其实3+已经不太呆得住了。
PAKDD （3+）：亚太数据挖掘会议，目前在数据挖掘会议里排第5。
ICANN （3+）：欧洲的神经网络会议，从quality来说是神经网络会议中最好的，但这个领域的人不重视会议，在该领域它的重要性不如IJCNN。
AJCAI （3）：澳大利亚的综合型人工智能会议，在国家/地区级AI会议中算不错的了。
CAI （3）：加拿大的综合型人工智能会议，在国家/地区级AI会议中算不错的了。
CEC （3）：进化计算方面最重要的会议之一，盛会型。IJCNN/CEC/FUZZ-IEEE这三个会议是计算智能或者说软计算方面最重要的会议，它们经常一起开，这时就叫WCCI （World Congress on Computational Intelligence）。但这个领域和CS其他分支不太一样，倒是和其他学科相似，只重视journal，不重视会议，所以录用率经常在85%左右，所录文章既有quality非常高的论文，也有入门新手的习作。
FUZZ-IEEE （3）：模糊方面最重要的会议，盛会型，参见CEC的介绍。
GECCO （3）：进化计算方面最重要的会议之一，与CEC相当，盛会型。
ICASSP （3）：语音方面最重要的会议之一，这个领域的人也不很care会议。
ICIP （3）：图像处理方面最著名的会议之一，盛会型。
ICPR （3）：模式识别方面最著名的会议之一，盛会型。
IEA/AIE （3）：人工智能应用会议。一般的会议提名优秀论文的通常只有几篇文章，被提名就已经是很高的荣誉了，这个会很有趣，每次都搞1、20篇的优秀论文提名，专门搞几个session做被提名论文报告，倒是很热闹。
IJCNN （3）：神经网络方面最重要的会议，盛会型，参见CEC的介绍。
IJNLP （3）：计算语言学/自然语言处理方面比较著名的一个会议。
PRICAI （3）：亚太综合型人工智能会议，虽然历史不算短了，但因为比它好或者相当的综合型会议太多，所以很难上升。

本文来自CSDN博客，转载请标明出处：http：//blog.csdn.net/chl033/archive/2008/10/12/3059188.aspx