根據(jù)CCF推薦目錄，Acemap對人工智能方向36個會議（A類7個、B類12個、C類17個）會議進行了多角度、全方位的立體畫像。

Acemap分別從會議中稿量、會議H-index、會議文章引用量、會議核心作者、會議影響力和論文數(shù)量的tradeoff（權衡）圖、國家機構統(tǒng)計和會議星云圖這七個角度分析了近十年來（2008~2018）的CCF人工智能領域的會議。

詳細信息請?zhí)D至主頁:http://www.acemap.info/ccf?type=7或點擊閱讀原文查看。在網(wǎng)頁中選中想要查看的會議，則我們的網(wǎng)頁中只顯示與這些會議相關的統(tǒng)計。

會議星云圖（GalaxyMap）

下圖將CCF網(wǎng)絡領域A類與B類會議引用量最高的部分論文以GalaxyMap(星云圖)的形式展現(xiàn)：點的大小與影響力正相關；邊表示會議之間的聯(lián)系緊密程度；位置表示會議之間的相互關系。

圖中主要反映了CCF人工智能領域的AB類會議論文之間的關系，可以看出圖中會議呈現(xiàn)出“凝散相協(xié)”的狀態(tài)，即，分散之中有凝聚，凝聚之間有聯(lián)系。可以發(fā)現(xiàn)其中幾篇影響深遠的論文（圖中較大的點，點擊可查看具體信息）在其領域內(nèi)帶動起了眾多論文，很可能為這個領域奠定了堅實的基礎。

下圖將CCF網(wǎng)絡領域A類與B類會議中領域H-index最高的部分學者以GalaxyMap(星云圖)的形式展現(xiàn)：點代表學者，大小與該學者在網(wǎng)絡領域的影響力相關；邊連接學者與會議，表示學者與該會議之間的聯(lián)系緊密程度；位置表示會議之間的相互關系。

圖中主要反映了CCF人工智能領域的AB類會議作者與會議的聯(lián)系密切程度，可以看出圖中會議大致分為五個群體，其可能因為AI領域包含五大方向（例如左下角以CVPR，ECCV，ICCV為首的會議主要集中在Computer Vision方向，并且CVPR擁躉最多，影響力最大），各個會議群體之間既有一定的聯(lián)系，又有明確的界限；圖中五個會議群體各據(jù)一方，并沒有一個獨占中心的會議。

會議中稿量分析

下圖顯示的是各個會議每年的錄取量隨時間變化的趨勢。 由于某些年份部分會議（ICCV的偶數(shù)年、ECCV的奇數(shù)年等）不召開，因此對于這部分數(shù)據(jù)，為了保持曲線整體趨勢，我們使用前一年該會議數(shù)據(jù)進行填充?？梢钥闯鰰h規(guī)模方面有些會議表現(xiàn)出整體逐年上升的趨勢（CVPR、AAAI等），同時也有些會議整體上保持著平穩(wěn)（ICRA、AAMAS等）。

會議H-index比較

下圖描述的是CCF人工智能方向的會議，從2009年到2018年的H-index變化（這里將會議看成是一個學者進行相應統(tǒng)計）。其中橫軸由勾選中的會議組成，每個部分代表一個會議，且由10條柱組成（2009-2018年），每條柱表示截至當年該會議的H-index。

該圖中每個會議對應10條柱的整體高度代表著該會議近10年來整體水平；另外每個會議對應部分頂部折線的整體斜率能夠代表著該會議近10年來發(fā)展的速度。

文章引用量比較

會議TOP30文章平均引用量

下圖顯示的是每個會議2009-2018年間截至當年引用量TOP30論文的平均引用量隨時間的變化。例如在2014年，A會議TOP30論文的總他引量為6000，則A會議在2014年的TOP30論文平均引用量為2000。與H-Index類似，該圖中每個會議對應10條柱的整體高度代表著該會議近10年來頂尖論文的整體水平；另外每個會議對應部分頂部折線的整體斜率能夠代表著該會議或者該領域近10年來發(fā)展的速度。

所有論文平均引用量

下圖顯示的是每個會議2009-2018年間截至當年論文的平均引用量隨時間的變化。例如，A會議截至2014年總計發(fā)表論文100篇，總共引用量為1000，則A會議在2014年的平均引用量為10。比較有趣的一點是部分會議會如ICCV、ECCV等，會有鋸齒出現(xiàn)，這主要是因為這些會議并非每年都開，因此在沒有召開的年份，由于引用量增長而總論文數(shù)不變，因此在這一年該會議平均引用量就會有一次非常大的增長。

會議核心作者圖

下圖顯示的，是通過K-shell算法計算得到的每個會議的核心作者地圖，該圖中每個點顏色從藍色到紅色表明該學者影響力越來越大，同時每個節(jié)點大小也與該作者影響力成正比。點之間的連線代表coauthor關系。因此在每個會議地圖中，我們都可以看到該會議中的大牛及其相關作者的分布情況。（下圖為AAAI的核心作者地圖，若相查看所有36個領域的核心作者地圖，請點擊閱讀原文。）

放大可查看每個作者與其他作者之間的關系。如下圖可見，Tuomas Sandholm與Craig Boutilier緊密聯(lián)系，因為兩人合作緊密，且有許多共同的coauthor。

會議Tradeoff圖

會議論文數(shù)與H-index tradeoff（權衡）圖

下圖顯示的，是每個會議在2016-2018年間每年的論文數(shù)與其當年的H-index的對比圖，其中橫軸是文章數(shù)，縱軸是H-index。因此在該圖中越偏向右上的點，則說明該會議規(guī)模越大且影響力越高。

會議論文數(shù)與平均引用量tradeoff（權衡）圖

下圖顯示的，是每個會議在2016-2018年間截至當年的平均引用量與其論文數(shù)量的對比圖，其中橫軸是文章數(shù)，縱軸是平均引用量。由于該圖縱軸表示的是每個會議的平均引用數(shù)目，因此在考慮論文影響力時也考慮到了每個會議的規(guī)模，但是仍舊能看出右上角的CVPR等會議依然有著很高的影響力。

國家機構統(tǒng)計

下圖描述的是CCF人工智能領域AB類會議論文發(fā)表機構、國家的統(tǒng)計。可以看到在人工智能領域中，美國的科研成果仍舊領先，中國緊隨其后，隨之的還有日本、德國、英國等國家。圖中的統(tǒng)計結果也反應了我國近幾年在人工智能領域上實力的發(fā)展與壯大。

點擊每個國家，可出現(xiàn)該國家的機構排行。

點擊該機構，可出現(xiàn)該機構的論文數(shù)。

以及該機構的作者排行