[轉]爲何不去讀頂級會議上的論文

看了版上不少貼子，發現不少版友都在問「熱門研究方向」、「最新方法」等。有同窗建議國內某教授的教材、或者CNKI、或者某些SCI期刊。每當看到這種問題，我都有點納悶，爲何不去讀頂級會議上的論文？

我無心否定以上文獻的價值，可是在機器學習、計算機視覺和人工智能領域，頂級會議纔是王道。國內教材和CNKI上的基本是N年前老掉牙的東西。有人會質疑這些會議都只是EI。是的，這的確很是特殊：在許多其它領域，會議都是盛會，好比society of neuroscience的會議，每次都有上萬人蔘加，帶個abstract和poster就能夠去。但在所討論的幾個領域，頂級會議的重要性不管怎麼強調都不爲過。

能夠從如下幾點說明：（1）由於機器學習、計算機視覺和人工智能領域發展很是迅速，新的工做層出不窮，若是把論文投到期刊上，一兩年後刊出時就有點out了。所以大部分最新的工做都首先發表在頂級會議上，這些頂級會議徹底能反映「熱門研究方向」、「最新方法」。（2）不少經典工做你們可能引的是某頂級期刊上的論文，這是由於期刊論文表述得比較完整、實驗充分。但實際上不少都是在頂級會議上首發。好比PLSA, Latent Dirichlet Allocation等。（3）若是注意這些領域大牛的pulications，不難發現他們很很是看重這些頂級會議，不少人是80%的會議+20%的期刊。即然大牛們把最新工做發在頂級會議上，有什麼理由不去讀頂級會議？

(1)
如下是不完整的列表，但基本覆蓋。
機器學習頂級會議：NIPS, ICML, UAI, AISTATS;  （期刊：JMLR, ML, Trends in ML, IEEE T-NN）
計算機視覺和圖像識別：ICCV, CVPR, ECCV;  （期刊：IEEE T-PAMI, IJCV, IEEE T-IP）
人工智能：IJCAI, AAAI; （期刊AI）
另外相關的還有SIGRAPH, KDD, ACL, SIGIR, WWW等。

特別是，若是作機器學習，必須地，把近4年的NIPS, ICML翻幾遍；若是作計算機視覺，要把近4年的ICCV, CVPR, NIPS, ICML翻幾遍。

(2)
另外補充一下：大部分頂級會議的論文都能從網上免費下載到，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(每一年度的官網): http://www.cs.mcgill.ca/~colt2009/proceedings.html。但願這些信息對你們有點幫助。

(3)
說些本身的感覺。個人研究方向主要是統計學習和機率圖模型，但對計算機視覺和計算神經科學都有涉及，對Data mining和IR也有些瞭解。這些領域，從方法和模型的角度看，統計模型（包括probabilistic graphical model和statistical learning theory）是主流也是很是有影響力的方法。有個很是明顯的趨勢：重要的方法和模型最早在NIPS或ICML出現，而後應用到CV,IR和MM。雖然具體問題和應用也很重要，但多關注和結合這些方法也頗有意義。

對於這個領域的牛人們，以上全是淺顯的廢話，徹底能夠無視。歡迎討論。