[转]为何不去读顶级会议上的论文

看了版上不少贴子，发现不少版友都在问“热门研究方向”、“最新方法”等。有同窗建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题，我都有点纳闷，为何不去读顶级会议上的论文？

我无心否定以上文献的价值，可是在机器学习、计算机视觉和人工智能领域，顶级会议才是王道。国内教材和CNKI上的基本是N年前老掉牙的东西。有人会质疑这些会议都只是EI。是的，这的确很是特殊：在许多其它领域，会议都是盛会，好比society of neuroscience的会议，每次都有上万人参加，带个abstract和poster就能够去。但在所讨论的几个领域，顶级会议的重要性不管怎么强调都不为过。

能够从如下几点说明：（1）由于机器学习、计算机视觉和人工智能领域发展很是迅速，新的工做层出不穷，若是把论文投到期刊上，一两年后刊出时就有点out了。所以大部分最新的工做都首先发表在顶级会议上，这些顶级会议彻底能反映“热门研究方向”、“最新方法”。（2）不少经典工做你们可能引的是某顶级期刊上的论文，这是由于期刊论文表述得比较完整、实验充分。但实际上不少都是在顶级会议上首发。好比PLSA, Latent Dirichlet Allocation等。（3）若是注意这些领域大牛的pulications，不难发现他们很很是看重这些顶级会议，不少人是80%的会议+20%的期刊。即然大牛们把最新工做发在顶级会议上，有什么理由不去读顶级会议？

(1)
如下是不完整的列表，但基本覆盖。
机器学习顶级会议：NIPS, ICML, UAI, AISTATS;  （期刊：JMLR, ML, Trends in ML, IEEE T-NN）
计算机视觉和图像识别：ICCV, CVPR, ECCV;  （期刊：IEEE T-PAMI, IJCV, IEEE T-IP）
人工智能：IJCAI, AAAI; （期刊AI）
另外相关的还有SIGRAPH, KDD, ACL, SIGIR, WWW等。

特别是，若是作机器学习，必须地，把近4年的NIPS, ICML翻几遍；若是作计算机视觉，要把近4年的ICCV, CVPR, NIPS, ICML翻几遍。

(2)
另外补充一下：大部分顶级会议的论文都能从网上免费下载到，好比CV方面：http://www.cvpapers.com/index.html; NIPS: http://books.nips.cc/;  JMLR(期刊):http://jmlr.csail.mit.edu/papers/;  COLT和ICML(每一年度的官网): http://www.cs.mcgill.ca/~colt2009/proceedings.html。但愿这些信息对你们有点帮助。

(3)
说些本身的感觉。个人研究方向主要是统计学习和几率图模型，但对计算机视觉和计算神经科学都有涉及，对Data mining和IR也有些了解。这些领域，从方法和模型的角度看，统计模型（包括probabilistic graphical model和statistical learning theory）是主流也是很是有影响力的方法。有个很是明显的趋势：重要的方法和模型最早在NIPS或ICML出现，而后应用到CV,IR和MM。虽然具体问题和应用也很重要，但多关注和结合这些方法也颇有意义。

对于这个领域的牛人们，以上全是浅显的废话，彻底能够无视。欢迎讨论。