当搭建好了AI领域的知识架构，即具备了较好的数学、编程及专业领域知识后，如果想在AI领域追踪前沿研究，就不能再只看教材了。毕竟AI领域的发展一日千里，教材上的知识肯定不是最新的。此时，应该将关注的重点转向AI领域的会议和期刊论文，特别是会议论文，会议论文包含着AI领域的最新研究成果。AI领域的会议论文非常多，如果没有选择的技巧，无疑是大海捞针，费力而不讨好。这里需要强调一点，要看顶级会议的论文。顶级会议是高手过招的地方，好比是武林中的华山论剑。
什么是顶级会议？哪些会议是顶级会议？如何获取顶级会议的投稿信息？本文将重点描述这些内容。
1. 什么是顶级会议？
顶级会议好比一个演唱会，只有大牌明星云集的演唱会才算是顶级演唱会，自然地，只有顶级AI学者云集的会议才算是顶级会议。事实上，经过这么多年的发展，AI领域有些会议受到了广大从业人员的深度认可，形成了巨大的品牌效应。大家争相投稿这些会议，导致录用率比大多数期刊的录用率都低很多，这些会议就是AI领域的顶级会议。
2. 哪些会议是顶级会议？
通过顶级会议的列表可以很方便地查找哪些会议是顶级会议。如何评价一个会议是否是顶级会议，没有统一的标准。因此顶级会议的列表也有很多种版本。读者不用担心各个版本的顶级会议列表会造成冲突和混乱，以至出现不知道应该以哪个版本的顶级会议列表为准的情况。这是因为虽然顶级会议列表的版本有很多种，但是对于顶级会议的评价，各个版本都比较接近。所以参考其中任何一个版本差别都不会太大。顶级会议的列表从哪里去找？这里介绍三种方法，一是通过谷歌学术，二是通过各个学会组织或机构的官网，三是通过中国计算机学会的官网。
通过谷歌学术查找顶级会议列表的具体步骤见图 6‑15。首先打开谷歌学术网站得到界面1，然后在界面1中点击椭圆圈出的“选项按钮”，弹出界面2，然后在界面2中点击“Metrics”，弹出界面3，在界面3中点击“Categories”，弹出界面4，在界面4中点击“Engineering & Computer Science”，弹出界面5，在界面5中点击“Subcategories”，弹出界面6，在界面6中点击“Artificial Intelligence”，弹出界面7，即得到了顶级期刊和会议的混合列表（这里只截取了前4位）。
通过学会组织或机构的官网也可以查询这些单位推荐的顶级会议列表，例如清华大学、上海交通大学等单位为了规范学术会议论文的发表就发布了各自的顶级会议论文列表，列表中列出了各学科自己推荐的本领域的顶级会议名单，为高质量的学术论文发表指明了方向。这些列表在网上都可以搜索到并可以免费下载，读者可以使用搜索引擎搜索“单位名称 顶级会议列表”下载，例如“上海交通大学 顶级会议列表”。
中国计算机学会发布的《CCF推荐会议/期刊列表》得到了广大计算机领域从业人员的认可。中国计算机学会网站的地址为https://www.ccf.org.cn，界面如图 6‑16所示。通过中国计算机学会的官网查找顶级学术会议列表，只需先打开其官网。然后，点击“CCF推荐会议/期刊列表”栏目（见图 6‑16中用方框标出的栏目），即可看到相关列表。CCF将顶级会议分成了A、B、C三个类别。
中国计算机学会推荐的人工智能领域A类会议见表 6‑2。表中给出了会议的简称、全称、出版社、网址。注意网址并不是会议的官网，给出的是下载会议论文全文的链接。由于会议基本上都是每年举办一次，也有一些是两年或以上举办一次，所以会议的官网每年都不同。如需查找会议的官网，只需在Google中以会议简称加年份进行搜索即可，例如搜索“CVPR 2021”。表 6‑2中，AAAI和IJCAI代表了人工智能大领域的顶级会议的最高水平。NeurIPS和ICML则代表了机器学习领域顶级会议的最高水平。CVPR和ICCV代表了计算机视觉和模式识别领域顶级会议的最高水平。ACL代表了自然语言处理领域顶级会议的最高水平。
| 序号 | 会议简称 | 会议全称 | 出版社 | 网址 |
| 1 | AAAI | AAAI Conference on Artificial Intelligence | AAAI | http://dblp.uni-trier.de/db/conf/aaai/ |
| 2 | NeurIPS | Annual Conference on Neural Information Processing Systems | MIT Press | http://dblp.uni-trier.de/db/conf/nips/ |
| 3 | ACL | Annual Meeting of the Association for Computational Linguistics | ACL | http://dblp.uni-trier.de/db/conf/acl/ |
| 4 | CVPR | IEEE Conference on Computer Vision and Pattern Recognition | IEEE | http://dblp.uni-trier.de/db/conf/cvpr/ |
| 5 | ICCV | International Conference on Computer Vision | IEEE | http://dblp.uni-trier.de/db/conf/iccv/ |
| 6 | ICML | International Conference on Machine Learning | ACM | http://dblp.uni-trier.de/db/conf/icml/ |
| 7 | IJCAI | International Joint Conference on Artificial Intelligence | Morgan Kaufmann | http://dblp.uni-trier.de/db/conf/ijcai/ |
中国计算机学会推荐的人工智能领域B类会议和C类会议列表，读者可以查阅图书《人工智能怎么学》。
3. 顶级会议的投稿信息获取
要将论文投稿到顶级会议，首先需要了解会议的相关信息，包括：会议的召开时间、召开地点、投稿截止时间、录用结果公布时间、会议论文的模板、投稿须知等。一般情形下，这些信息在会议的官网都有发布，所以最重要的事情是获取会议的官网地址。要获取会议的官网地址，可以采用如下的方式。
(1) 利用搜索引擎搜索投稿信息
利用Google和百度等搜索引擎可以很方便地搜索顶级会议的官网地址。例如，假设想搜索2021年召开的CVPR会议，只需在索索引擎中输入“CVPR 2021”进行搜索，即可找到其官网链接。打开官网后即可找到会议的相关信息。
(2) 利用WikiCFP搜索投稿信息
WikiCFP是一个提供会议相关信息查询的网站，其网址为：http://dblp.uni-trier.de/db/conf/ijcai/。利用WikiCFP网站可以非常方便地查找会议的相关信息，只需在网站左侧的搜索栏中输入会议的简称或全称，然后选择会议的年份，再点“Search”按钮即可进行检索。在弹出的搜索结果页面找到你想要查找的会议的链接，然后点击它，即可打开会议的官网。打开官网后即可找到会议的相关信息。
通过上述方法，可以找到会议的官网地址并能够获取到会议的相关信息。对这些会议的信息进行汇总，根据你是否有时间参会、研究的主题是否与会议主题相符、论文的风格和质量是否与会议相匹配等条件决定你想要投稿的会议。决定想要投稿哪个会议后，先阅读该会议论的投稿须知，然后从会议官网下载会议论文的模板，根据模板要求认真撰写论文。初稿完成后务必反复检查、反复修改，确定没有问题后才可按照投稿要求进行投稿。好的论文都需要花大量的时间进行认真地打磨，需要有足够的耐心，要抱着追求极致的精神去打磨论文，只有这样才能产出一篇高质量的论文，才有可能投中顶级会议。
如果想了解人工智能中的顶级期刊的信息，敬请关注本公众号的下一篇文章《人工智能中的顶级期刊》。
关于人工智能前沿信息获取的更多介绍，可以购买《人工智能怎么学》进一步阅读。
图书购买方式
京东：https://item.jd.com/13395339.html
当当：http://product.dangdang.com/29469230.html
天猫：https://detail.tmall.com/item_o.htm?id=687374654836
为了让图书惠及更多的读者，为更多想学习人工智能的人提供帮助，经过向出版社申请，对图书《人工智能怎么学》的部分内容进行改编和连载。图书《人工智能怎么学》的全部内容包含了初级入门、中阶提高以及高级进阶三个级别的内容。连载的内容主要是初级入门级别，适合想对人工智能进行快速和高效入门的读者，对于已有一定的人工智能学习基础，希望进一步进阶或提高的读者，则需要购买图书《人工智能怎么学》，学习中阶提高以及高级进阶的内容。此外，对于学习人工智能感兴趣的读者，也可以加入知识星球《人工智能怎么学》，知识星球是一个构建学习社群的平台，通过加入《人工智能怎么学》的社群，你将获得更多的学习资料和课程信息。
与作者互动和了解更多信息
想跟作者一起学习人工智能和互动，你可以加入如下社群：
知识星球：https://t.zsxq.com/0aLkVg0os
QQ群：600587177
想了解更多关于人工智能学习及实践的内容，请关注如下媒体：
官方网站：https://bigdatamininglab.github.io
官方微信公众号：人工智能怎么学(可扫描下方二维码或者微信搜索“人工智能怎么学”添加关注)
CSDN：https://blog.csdn.net/audyxiao001
参考文献
- 邓发云. 信息检索与利用（第3版）[M]. 北京: 科学出版社, 2018.
- 王细荣, 韩玲, 张勤. 文献信息检索与论文写作（第7版）[M]. 上海: 上海交通大学出版社, 2018.
- 沈固朝, 储荷婷, 华薇娜. 信息检索（多媒体）教程（第3版）[M]. 北京: 高等教育出版社, 2015.
- 夏旭. 基于Google学术搜索的引文检索研究[J]. 情报理论与实践, 2006(06):697-701.
- 余有成. 研究者社会网络搜索与挖掘系统[J]. 高科技与产业化, 2013, 9(010):70-73.
- Zhang Y , Jia Y , Fu L , et al. AceMap Academic Map and AceKG Academic Knowledge Graph for Academic Data Visualization[J]. Journal of Shanghai Jiaotong University, 2018, 52(10):1357-1362.
- 谢智敏，郭倩玲. 基于深度学习的学术搜索引擎——Semantic Scholar[J]. 情报杂志, 2017, 036(008):175-182.
- 许剑颖. 微软学术搜索初探[J]. 情报探索, 2012(12):96-100.
- 虞为, 翟雅楠, 陈俊鹏. 百度学术用户体验信息内容研究[J]. 情报杂志, 2020, 039(002):134-139,168.
- 马捷, 刘小乐, 郑若星. 中国知网知识组织模式研究[J]. 情报科学, 2011(06):843-846.
注：本文版权归作者个人所有，如需转载请联系作者，未经授权不得转载。
