【新智元导读】CSRankings停止了年度更新，清华在全体排名中位居第十，CMU第一；在AI专业的细分小项中，清华、北大力压CMU，位列第一、第二，前十名的高校中，有六所在中国。
2019年第一份计算机迷信实力排名出炉！
全球院校计算机迷信范畴实力排名开源项目CSRankings，更新了2018年的最新数据。根据该项目的最新排名：
- 计算机迷信全体排名前十，几乎被美国老牌高校霸榜，中国仅清华排到第十位。
- AI的“Artificial intelligence”小项中，清华大学排名第一，北大超越CMU排名第二。
排名是不是有些复杂？往下看就清楚了。
全球高校CS全体排名：美国院校霸榜，清华第十
CSRankings是由麻省州立大学阿姆赫斯特分校计算机与信息迷信学院教授 Emery Berger 组织的全球院校计算机迷信范畴实力排名，完全基于研讨目的，可以以绝大多数院校教员在计算机迷信范畴的各大顶会发布的论文数量为衡量目的，相对来说比较透明和更有意义。
自然言语处理的顶会有ACL、EMNLP、NAACL；计算机视觉范畴的顶会含CVPR、ECCV、ICCV；机器学习与数据发掘会议的论文来自ICML、KDD 、NIPS；人工智能顶会则包含AAAI、IJCAI。
按地域分为8个，分别为美国、加拿大、美国和加拿大、北美、亚洲、澳大利亚、欧洲、全球。
CSRanking的细分排名分为4大类（26项小细分），分别为AI、系统、实际和跨学科范畴。
根据最新的CS Rankings，计算机迷信专业全体排名Top 10几乎被美国高校屠榜。
其中，CMU、MIT、斯坦福分别位居前三，好在清华大学还挤进了前十。
- CMU
- MIT
- 斯坦福
- UC伯克利
- UIUC
- 密歇根大学
- 康奈尔大学
- 华盛顿大学
- 佐治亚理工大学
- 清华大学
另外，北京大学与爱丁堡大学并列第31名：
人工智能专业综合实力：CMU全球第一，清华第二
不过，改变挑选条件，选择“AI”这一大类，结果就发生了改变：
虽然排名Top 10的机构里还是美国高校居多，但清华跃居第二，北大上升至第五位，中科院排名并列第七。
以下是全球高校在人工智能专业的综合排名Top 20:
AI细分方向：北大力压CMU排名第二，清华第一
再往细项排名，AI包括Artificial intelligence、计算机视觉、机器学习与数据发掘、自然言语处理、网页信息检索5项细分范畴。
仅选择“Artificial Intelligence”这一个子方向，得到的结果是：
- 清华大学跃居榜首，且总分一栏超过了110；
- 北京大学以0.1分的优势超越CMU，跃居第二名：
新智元去年5月时分报道，北大的排名还处在第四位，提高神速。
在人工智能专业AI方向排名Top 30的高校详细如下：
排名Top 10的高校/机构外面，有6家中国院所，分别是：
第一：清华大学
第二：北京大学
第七：浙江大学
第八：香港科技大学
第九：中国迷信院
第十：南京大学
计算机视觉(CV)子方向前十：CMU第一，中科院排名第二
机器学习和数据发掘子方向前十：清华第六
自然言语处理(NLP)子方向前十：北大第三，清华第九
网络与信息检索子方向前十：清华第一、浙大第九。
此外，每个被收录出来的教师论文数量都有饼图，对应的，每个高校也有文献发表方向细分饼图。
更详细一点，将清华大学“Faculty”一栏展开，可以看见很多熟习的名字(在找AI导师吗？这里有一份参考)：
CSRankings的排名规则：为了正确的“数豆子”
最后再来说说CSRankings的排名系统。为了保证迷信严谨，排名也设定了不少规定，例如：
- 单个教员在发表一篇顶会论文上获得的积分是1 / N，其中N是这篇论文作者的数量，无论其从属关系（教师、先生或其他），数字也永远不会随之改变。
- 经过调整后，每个出版物/论文只计算一次，经过在一切共同作者之间平均分配来调整积分。这种方法使得仅仅经过在论文中添加作者来提高排名是不能够的。假如没有调整方法，一个人单独写出一篇论文的成果就显得微乎其微了。
- 出版物/论文长度必须至少6页才能列入计算范围。
另外，官网上还有一个查看排名的视频教程。
https://v.qq.com/x/page/w0822hz2kdk.html
排行榜不断以来都被高度关注且有着很大的影响力，虽然有人不想活在一个充斥着排名的世界，但排名并不会消逝。因此，一个有意义且透明的排名系统的出现就变得非常重要。
目前最有影响力的大学排名来自《美国旧事与世界报道》(US News and World Report)，而该排名大部分是以声誉为基础，并与各高校系主任及学科带头人的客观评价亲密相关。
相比之下，CSRankings完全基于研讨目的，可以以绝大多数院校教员在计算机迷信范畴的各大顶会发布的论文数量为衡量目的，各大顶会的门槛非常高，这也抬高了排名算法的门槛，同时也提高了透明度。
有人说这种计算方法就是简单地“数豆子”，但这种方式是为了数正确的豆子。
CSRanking的一切代码和数据均可经过链接公开获取。
https://github.com/emeryberger/CSRankings |
