AI 科技评论编者按：Google Scholar 自 2004 年年底推出后，影响力日益增大，在学术界也广受好评。与影响力较大的 Web of Science 相比，谷歌学术有不少优点：不仅能提供免费检索，其涵盖范围也远大于 Web of Science。与此同时，随着其 Google Scholar Metric 影响力的提高，影响因子的地位也受到了冲击。
与同类型的影响因子相比，Google Scholar Metric 有着比较明显的优越性：
文章刻画了觉醒的知识分子范爱农倔强耿直、愤世嫉俗、有责任心的人物形象，表达了作者对旧民主革命的失望和对这位正直、倔强的爱国者的同情与悼念。感悟评价：以范爱农的悲剧提醒人们注意：革命在前进，险象已丛生，胜利未可定，。
第一，影响因子只基于过去 2 年数据进行影响力评估，而 Google Scholar Metric 统计了过去 5 年的数据，因而更能体现一个出版物的持久影响力。
第二，Google Scholar Metric 采用 h5 因子进行评价，更能体现出版物综合整体实力，而不会像影响因子那样很容易受某篇高引用文章的影响，而使影响力排名不尽合理。
作者自称“1924年以前不太懂俄语,而双目夫明前也只上过一年函授共产主义大学:因作品塑造了保尔·柯察金这个有着钢铁般意志的共产主义战土的形象和作家自身经历的传奇品质,《钢铁是怎样炼成的》成为世界革命青年成才的“教科书”和“圣经”。
第三，Google Scholar Metric 能够更为准确的体现一个出版物的实际影响。一般而言，当两个出版物发表文章数量不同，而影响因子接近时，发表量多的文章的影响力更广——这种差别在影响因子上看不出来，而能很明显地体现在 Google Scholar Metric 上。
h 因子评价体系最初由 UCSD 物理学家 Jorge Hirsch 提出，被用于评价一个学者的影响力。该评价体系目前通常基于两个数据库进行统计，一个是 Web of Science，另一个就是 Google Scholar。不过现在，越来越多的学者开始采用 Google Scholar 进行统计，因其更具有广泛的代表性。而这一趋势势必也将对 Google Scholar Metric 和影响因子的竞争产生重要的影响。
2018 年 8 月 3 日，Google Scholar 发布了 2018 年最新学术期刊和会议影响力排名。其中，Google Scholar Metric 基于 h5-index（h5 因子）和 h5-median（h5 中位数）两项指标，来衡量期刊和会议的影响力：
h5-index（h5 因子）：指某一出版物在过去 5 年发表的论文之中，至少有 h5 篇论文，且每篇论文的引用数量不低于 h5 次。
h5-median（h5 中位数）：指进入 h5-index 的所有论文的引用中位数。
以及机器人技术 5 大模块，对排名靠前的期刊/会议论文进行了盘点：
Artificial Intelligence（人工智能）
排名第一：NIPS（神经信息处理系统进展大会）
NIPS 是 Artificial Intelligence 类目下排名最高的学术会议，它的 h5-index 为 134，h5-median 为 221，表明在 2014 年-2018 年，NIPS 至少有 134 篇论文被引用了至少 134 次；进入 h5-index 统计的 134 篇论文的引用中位数为 221 次。
引用量最高的是 Tomas Mikolov、Ilya Sutskever、Kai Chen、Greg S. Corrado、Jeff Dean 的论文 Distributed Representations of Words and Phrases and their Compositionality（2013），被引用了 8463 次；
引用量排名第二的是 Ilya Sutskever、Oriol Vinyals、Quoc V. Le 的论文 Sequence to Sequence Learning with Neural Networks（2014），被引用了 4036 次；
排名第三的是 Ian Goodfellow、Jean Pouget-Abadie、Mehdi Mirza、Bing Xu、David Warde-Farley、Sherjil Ozair、Aaron Courville、Yoshua Bengio 的论文 Generative Adversarial Nets（2014），被引用了 4032 次。
NIPS 始于 1987 年，最初是定位为研究探索生物和人工神经网络的互补性开放跨学科会议。随着近年来尤其是 2012 年之后的机器学习的逐步兴起，NIPS 的关注度与日俱增，成为了人工智能领域参与人数最多的学术会议之一。
前一周的「门票十分钟卖光」事件的主角——便是 NIPS。回顾链接：
雷锋网 AI 科技评论也对该会议做过专题报道：
排名第二：ICML（国际机器学习大会）
ICML 是 Artificial Intelligence 类目下排名第二的学术会议，它的 h5-index 为 113，h5-median 为 193，表明在 2014 年-2018 年，ICML 至少有 113 篇论文被引用了至少 113 次；进入 h5-index 统计的 113 篇论文的引用中位数为 193 次。
引用量最高的是 Sergey Ioffe、Christian Szegedy 的论文 Batch Normalization：Accelerating Deep Network Training by Reducing Internal Covariate Shift（2015），被引用了 5519 次；
引用量排名第二的是 Q Le、T Mikolov 的论文 Distributed Representations of Sentences and Documents（2014），被引用了 2465 次；
排名第三的是 Jeff Donahue、Yangqing Jia、Oriol Vinyals、Judy Hoffman、Ning Zhang、Eric Tzeng、Trevor Darrell 的论文 DeCAF：A Deep Convolutional Activation Feature for Generic Visual Recognition（2014），被引用了 2154 次。
今年的 7 月 10 日至 15 日，第 35 届 ICML 在瑞典斯德哥尔摩举行。ICML 今年共收到 2473 篇投递论文，比去年的 1676 篇提高 47.6%，增幅显著。最终入围论文共 621 篇，接收率 25%，与去年 26% 持平。详细请看雷锋网 AI 科技评论对该会议所做的专题报道：
在 Artificial Intelligence 这个领域中影响力较高的是 Ilya Sutskever，他是 NIPS 排名靠前的两篇文章的作者之一。Ilya Sutskever 是一位研究负责人，研究方向包括定点数、玻尔兹曼机、贝式网路、概率模型、长期依赖等，拥有 60 篇论文，引用量达 69008 次，个人 h-index 为 35。
数据来源：;hl=en&vq=eng_artificialintelligence
Computational Linguistics（计算语言学）
排名第一：ACL（国际计算语言学协会）
ACL 是 Computational Linguistics 类目下排名最高的学术会议，它的 h5-index 为 87，h5-median 为 130，表明在 2014 年-2018 年，ACL 至少有 87 篇论文被引用了至少 87 次；进入 h5-index 统计的 87 篇论文的引用中位数为 130 次。
引用量最高的是 Christopher D. Manning、Mihai Surdeanu、John Bauer、Jenny Finkel、Steven J. Bethard、David McClosky 的论文 The Stanford CoreNLP Natural Language Processing Toolkit（2014），被引用了 2537 次；
引用量排名第二的是 Nal Kalchbrenner，Edward Grefenstette，Phil Blunsom 的论文 A Convolutional Neural Network for Modelling Sentences（2014），被引用了 1174 次；
排名第三的是 Marco Baroni、Georgiana Dinu、German Kruszewski 的论文 Don't count，predict! A systematic comparison of context-counting vs. context-predicting semantic vectors（2014），被引用了 755 次。
ACL 起于 1963 年，每年举办一次，是世界上影响力最大、最具活力的国际学术组织之一，也是自然语言处理和计算机语言学最顶尖的会议之一，其会员遍布世界各地，被 CCF（中国计算机学会）认定为 A 类国际学术会议，涵盖领域包括语言分析、信息抽取、机器翻译与自动问答等。
ACL 2018 于 7 月 15 日-7 月 20 日在墨尔本召开。本届会议共收到 1621 篇投稿（长文 1045 篇，短文 576 篇），录取文章约占投稿总量的 20%。雷锋网 AI 科技评论也对该会议进行了专题报道：
排名第二：EMNLP（自然语言处理实证方法会议）
EMNLP 是 Computational Linguistics 类目下排名第二的学术会议，它的 h5-index 为 76，h5-median 为 132，表明在 2014 年-2018 年，EMNLP 至少有 76 篇论文被引用了至少 76 次；进入 h5-index 统计的 76 篇论文的引用中位数为 132 次。
引用量最高的是 Jeffrey Pennington、Richard Socher、Christopher D. Manning 的论文 GloVe：Global Vectors for Word Representation（2014），被引用了 4581 次；
引用量排名第二的是 Kyunghyun Cho、Bart van Merrienboer、Caglar Gulcehre、Dzmitry Bahdanau、Fethi Bougares、Holger Schwenk、Yoshua Bengio 的论文 Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation（2014），被引用了 2904 次；
排名第三的是 Yoon Kim 的论文 Convolutional Neural Networks for Sentence Classification（2014），被引用了 2379 次。
EMNLP 是自然语言处理领域的顶级会议，由 ACL 学会下属特殊兴趣小组 SIGDAT（ACL Special Interest Group on Linguistic data and Corpus-based Approachesto NLP）组织，每年召开一次。近几年的 EMNLP 会议都吸引了来自学术界和企业界的近千人参加，论文投稿数目也有上千篇。
雷锋网 AI 科技评论也对该会议做过专题报道：
Computational Linguistics 领域影响力较高的学者是 Christopher D. Manning，他是斯坦福大学的计算机科学与语言学系的教授，研究方向包括知识管理、计算机科学、自然语言/自然语言处理、索引器等，拥有 450 篇论文，引用量达次 114071，个人 h-index 为 109。
数据来源：;hl=en&vq=eng_computationallinguistics
Computer Vision&Pattern Recognition（计算机视觉&模式识别）
排名第一：CVPR（IEEE 国际计算机视觉与模式识别会议）
CVPR 是 Computer Vision&Pattern Recognition 类目下排名最高的学术会议，它的 h5-index 为 188，h5-median 为 302，表明在 2014 年-2018 年，CVPR 至少有 188 篇论文被引用了至少 188 次；进入 h5-index 统计的 188 篇论文的引用中位数为 302 次。
引用量最高的是 Kaiming He、Xiangyu Zhang、Shaoqing Ren、 Jian Sun 的论文 Deep Residual Learning for Image Recognition（2016），被引用了 10480 次；
引用量排名第二的是 Christian Szegedy、Wei Liu、 Yangqing Jia、 Pierre Sermanet、 Scott Reed、Dragomir Anguelov、Dumitru Erhan、Vincent Vanhoucke、Andrew Rabinovich 的论文 Going Deeper With Convolutions（2015），被引用了 8310 次；
排名第三的是 Ross Girshick、Jeff Donahue、Trevor Darrell、Jitendra Malik 的论文 Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation（2014），被引用了 5681 次。
排名第二：ICCV（IEEE 计算机视觉国际会议）
ICCV 是 Computer Vision&Pattern Recognition 类目下排名第二的学术会议，它的 h5-index 为 124，h5-median 为 204，表明在 2014 年-2018 年，ICCV 至少有 124 篇论文被引用了至少 124 次；进入 h5-index 统计的 124 篇论文的引用中位数为 204 次。
引用量最高的是 Ross Girshick 的论文 Fast R-CNN（2015），被引用了 2912 次；
引用量排名第二的是 Kaiming He、 Xiangyu Zhang、Shaoqing Ren、 Jian Sun 的论文 Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification（2015），被引用了 2805 次；
排名第三的是 Heng Wang、Cordelia Schmid 的论文 Action Recognition with Improved Trajectories（2013），被引用了 1513 次。
ICCV 被誉为计算机视觉领域三大顶级会议之一（另外两个为 CVPR、ECCV），其论文集代表了计算机视觉领域最新的发展方向和水平。此外，对于公司和研究机构而言，在其中发表的论文的量与质可以衡量一个公司或者研究机构的学术水平，以及其对未来科技发展潮流的把握。
雷锋网 AI 科技评论也对该会议做过专题报道：
Computer Vision&Pattern Recognition 领域影响力较高的华人学者是何恺明，他是 Facebook AI Research（FAIR）的研究科学家，研究方向包括计算机视觉、深度学习等，拥有 66 篇论文，引用量达次 36111，个人 h-index 为 35。
数据来源：;hl=en&vq=eng_computervisionpatternrecognition
Data Mining & Analysis（数据挖掘&分析）
排名第一：SIGKDD （数据挖掘及知识发现国际会议）
SIGKDD 是 Data Mining & Analysis 类目下排名最高的学术会议，它的 h5-index 为 77，h5-median 为 117，表明在 2014 年-2018 年，SIGKDD 至少有 77 篇论文被引用了至少 77 次；进入 h5-index 统计的 77 篇论文的引用中位数为 117 次。
引用量最高的是 Tianqi Chen、Carlos Guestrin 的论文 XGBoost：A Scalable Tree Boosting System（2016），被引用了 1070 次；
引用量排名第二的是 Bryan Perozzi、Rami Al-Rfou、Steven Skiena 的论文 DeepWalk: online learning of social representations（2014），被引用了 850 次；
排名第三的是 Xin Dong，Evgeniy Gabrilovich、Geremy Heitz、Wilko Horn、Ni Lao、Kevin Murphy、Thomas Strohmann、Shaohua Sun、Wei Zhang 的论文 Knowledge vault：a web-scale approach to probabilistic knowledge fusion（2014），被引用了 659 次。
SIGKDD 是 ACM 在数据挖掘领域的顶级学术会议，每年都吸引着超过 2000 位来自世界各地的顶级数据挖掘学者，以及知名企业代表前来参加。
今年，SIGKDD 2018 于 8 月 19 日至 23 日在英国伦敦召开，雷锋网 AI 科技评论也到现场，为大家带来一线精彩报道：
排名第二：TKDE（IEEE 数据工程和知识汇刊）
TKDE 是 Data Mining & Analysis 类目下排名第二的学术期刊，它的 h5-index 为 77，h5-median 为 108，表明在 2014 年-2018 年，TKDE 至少有 77 篇论文被引用了至少 77 次；进入 h5-index 统计的 77 篇论文的引用中位数为 108 次。
读书笔记: 书名:童年 作者:高尔基 好词 瑗际 歪斜凌乱 灰雾茫茫 轻声慢语 胆怯 不知所措 软塌塌 澄澈 耸向 独树一帜 难以置信 琐事 矗立 与人为善 不折不扣 不动声色 窥伺 掩面而笑 绵绵不断 不为所动 好句 1.我看着他好。
引用量最高的是 Xindong Wu、 Xingquan Zhu、 Gong-Qing Wu 的论文 Data mining with big data（2014），被引用了 1588 次；
引用量排名第二的是 Pavel Shvaiko、Jérôme Euzenat 的论文 Ontology Matching: State of the Art and Future Challenges（2013），被引用了 994 次；
排名第三的是 Min-Ling Zhang、Zhi-Hua Zhou 的论文 A Review on Multi-Label Learning Algorithms（2014），被引用了 798 次。
Data Mining & Analysis 领域影响力较高的华人学者是陈天奇，他是 华盛顿大学计算机系博士生，深度学习编译器 TVM 发明人，研究方向包括大规模机器学习、阵列信号处理、方位估计等，拥有 126 篇论文，引用量达 3418 次，个人 h-index 为 17。
数据来源：;hl=en&vq=eng_datamininganalysis
Robotics（机器人技术）
排名第一：ICRA （国际机器人与自动化会议）
ICRA 是 Robotics 类目下排名第一的学术会议，它的 h5-index 为 75，h5-median 为 104，表明在 2014 年-2018 年，ICRA 至少有 75 篇论文被引用了至少 75 次；进入 h5-index 统计的 75 篇论文的引用中位数为 104 次。
引用量最高的是 Christian Forster、Matia Pizzoli、Davide Scaramuzza 的论文 SVO：Fast semi-direct monocular visual odometry（2014），被引用了 629 次；
引用量排名第二的是 Christian Kerl、Jürgen Sturm、Daniel Cremers 的论文 Robust odometry estimation for RGB-D cameras（2013），被引用了 331 次；
排名第三的是 Thomas Whelan、Hordur Johannsson、Michael Kaess 的论文 Robust real-time visual odometry for dense RGB-D mapping（2013），被引用了 274 次。
ICRA 是 IEEE 机器人与自动化学会（IEEE Robotics and Automation Society）的旗舰会议，同时也是机器人研究者展示他们工作的重要论坛，它将机器人和自动化领域的学者专家聚集起来，使他们能够通过展示和讨论科研成果进行技术交流。ICRA 成立于 1984 年，每年举行一次。
ICRA 2018 于 5 月 21 日-24 日在澳大利亚布里斯班举办，雷锋网 AI 科技评论也到现场对该会议进行了专题报道：
排名第二： T MECH（IEEE/ASME 机电一体化期刊）
T MECH 是 Robotics 类目下排名第二的学术期刊，它的 h5-index 为 62，h5-median 为 89，表明在 2014 年-2018 年，T MECH 至少有 62 篇论文被引用了至少 62 次；进入 h5-index 统计的 62 篇论文的引用中位数为 89 次。
其中，引用量最高的是 Jianyong Yao、Zongxia Jiao、Dawei Ma 的论文 High-Accuracy Tracking Control of Hydraulic Rotary Actuators With Modeling Uncertainties（2014），被引用了 278 次；引用量排名第二的是 Sangok Seok、 Cagdas Denizel Onal、 Kyu-Jin Cho 的论文 Meshworm: A Peristaltic Soft Robot With Antagonistic Nickel Titanium Coil Actuators（2013），被引用了 232 次；排名第三的是 Shen Yin、Zenghui Huang 的论文 Performance Monitoring for Vehicle Suspension System via Fuzzy Positivistic C-Means Clustering Based on Accelerometer Measurements（2015），被引用了 212 次。
好词：一臂之力、一亲芳泽、七步成诗、三顾茅庐、下笔成章、不出所料、不由分说。好句：煮豆燃豆萁，豆在釜中泣，本是同根生，相煎何太急。愿助兄一臂之力，共诛国贼。临表涕泣，不知所云。芳泽无加，铅华无御。
在今年最新《期刊引证报告》中，T MECH 期刊的影响因子在工业、制造领域排名第 1，高达 4.357。T MECH 是双月刊，致力于介绍机电一体化的最新进展和实际应用情况，涵盖机电一体化理论、实践等方面，机械工程、电子、智能计算机控制在工业产品和工艺的设计及制造中的协同整合等领域。
Robotics 技术领域影响力较高的华人学者是焦宗夏，他是北京航空航天大学自动化科学与电气工程学院的院长、教授和博导，研究方向包括流体传动与控制、机电系统集成设计、线性与非线性系统控制、流固耦合力学等，拥有 236 篇论文，引用量达 1034 次，个人 h-index 为 15。
数据来源：;hl=en&vq=eng_robotics
