为了更好地了解计算机科学领域会议和期刊的影响力，方便计算机科学领域的研究人员选择合适平台，清华 AMiner 发布了计算机科学领域的会议（期刊）的影响力排名。
该榜单基于 2015 年 1 月到 2020 年 7 月五年多的数据，选取了六大指数，以中国计算机学会（以下简称 CCF）和清华大学发布的两种不同的计算机科学会议（期刊）榜单为基础，对会议（期刊）从学术影响力、产业影响力、TOP 论文质量等多维度多角度进行综合性评估。
该榜单收录了 CCF 榜单下的 568 个会议（期刊）和清华大学榜单下的 368 个会议（期刊），两个分类的会议（期刊）不完全重合。
相较于大家常用的谷歌 H5 指数，AMiner 的榜单创新性的增加了 TK 指数、上升指数、基础研究创新指数、应用创新研究指数四种指数，希望可以帮助大家从不同的角度梳理会议排名的情况，而使得榜单本身更加的多元化。大家可以依据自己认可的指标进行二次筛选。
同时榜单也涵盖了计算机科学下的几大不同领域。由于会议（期刊）本身会在某些领域具有一定的侧重，领域下的筛选也可以帮助大家快速找到更加适合自己方向的会议（期刊）。
榜单链接：https://www.aminer.cn/ranks/conf
我们如何评估会议（期刊）
评估会议的六大指数分别是：Google Scholar Metrics 的 H5-Index 及其中位数，同时增加了 TK 指数、上升指数、基础研究创新指数、应用创新研究指数四种新的指标，以求以更加中立和全面的视角评估会议（期刊）。
1.H5 指数
H5 指数是过去五年内该会议的所有文章中，满足有 h 篇文章的引用量不小于 h 的，最大的满足条件的 h 就是这个会议的 H5 指数 例：一个会议近五年有 10 篇文章，它们的引用量分别为 10,8,8,7,6,6,4,3,2,1 那么这个会议的 H5 指数就是 6。
参考：https://scholar.google.com/intl/en/scholar/metrics.html#metrics
2.H5 中位数
H5 中位数是基于 H5 指数的，它描述的是该会议前[H5 指数]篇文章引用量的中位数 例：同上，因为这个会议的 H5 指数是 6，所以 H5 中位数为 10,8,8,7,6,6 的中位数，即为 7.5。
参考：https://scholar.google.com/intl/en/scholar/metrics.html#metrics
3.TK5指数
TK5指数是为了反映一个会议引用数最高的那些文章的质量如何。我们发现，H5 指数很容易会被一个会议的文章数量所影响。例如：会议 A 共有 1000 篇引用量不小于 20 的文章，则其 H5 指数为 20；会议 B 共有 10 篇引用量大于 10000 的文章，然而其 H5 指数仅为 10。在这种情况下，仅凭借 H5 指数断定会议水平的优劣是不科学的，所以我们提出了 TK5 指数来解决这个问题。TK5 指数的定义是：找出一个近 5 年会议引用量最高的K篇文章（这里我们取 K=10）并得到这K篇文章的具体被引列表，也就是分别都有谁引用了这 K 篇文章。根据得到的K篇文章的K个全引用列表，分别用每一篇文章的引用列表中每篇文章的 citation 指数基于H指数计算模型进行计算，得到 K 个 H 指数，这K个数的中位数即为TK5指数。
4.上升指数
理论上来说，一个文章表现得更加活跃的会议比一个引用量年年降低的会议要优秀。我们选取了每个会议近五年来引用量前 100 名的文章，筛选出它们之中每年引用量都在上升的文章，将这些论文命名为 risingpaper（上升论文）。对于每个会议筛选出来的上升论文算出一个总的 H5 指数，作为上升指数。
5.基础研究创新指数
对于每个期刊/会议中近五年的全部论文，我们统计了其第一作者所在的机构。选取机构属于学术界的论文集合，将这一集合中的引用量平均值作为基础研究创新指数。
6.应用研究创新指数
对于每个期刊/会议中近五年的全部论文，我们统计了其第一作者所在的机构。选取机构属于产业界的论文集合，将这一集合中的引用量平均值作为应用研究创新指数。
（注：这两个创新指数分别体现学术界和产业界两个方向的研究创新情况，其比较结果对于学术界以及产业界的创新研究现状具有一定的参考价值。）
7.指标图计算方法：
在 600 个期刊会议中，我们找出每一个指数下的最高值，作为指标图该维度的最大值，并设定一个大于零的最小值（如下图），其余指标按比例显示在指标图上。
特色榜单功能-智能问答科研助手
为了让大家更快速和更简便的筛选到更有价值的信息，页面提供了智能问答的科研助手。该助手可以回答以下五个问题：
1.最牛的论文有哪些
在这里大家可以输入会议名称，选取想要了解的时间段，即可得到该时间段内被引数量最高的论文，也就是我们说的最牛论文。（注：这里的评价指标为论文的被引数，而不是会议中评价的 TOP 论文）
2.华人作者在各大会议中的占比情况如何
在这里大家可以通过输入会议名称，了解在该会议中华人作者的占比情况。（注：华人作者通过会议中备注的国籍、作者是否是中文名来筛选，除此之外默认为非华人作者）
3.会议的排名数据会受到其所在领域的影响吗
在这里大家可以了解不同领域在近五年内的平均H5值，这个数据关系到最近五年研究热点的变化，热门领域的 H5 值可能会相较于非热门领域偏高，从而导致该领域下的会议排名普遍偏高。
4.想了解会议的最优指标
在这里大家可以通过输入会议名称来了解该会议在以上提到的六大指标中，哪一种指标最突出。同时提供了，该会议在学术领域（基础研究创新指数）和产业领域（应用研究创新指数）中，哪一个领域更为突出。
5.各大期刊会议热点话题
在这里大家可以通过输入会议名称了解，近五年内该会议的 top 热点关键词，以此可以判断该会议中学生学者更为关注的研究领域。
会议（期刊）内容展示
如果大家需要详细了解某个会议的相关情况，可以点击会议名称进入其单独页面。
单个会议（期刊）页面包括以下几大内容板块：
1.关键词
该板块通过筛选论文的名称、摘要和关键词部分综合计算得出。可以通过选择不同的时间阶段，来了解该阶段该会议（期刊）的 Top 关键词。
2.作者统计
该板块通过汇总会议（期刊）作者新信息，统计了该会议（期刊）作者的、国家和地区及语言的占比情况。同时为大家总结了近五年内的 Top 作者情况。
3.刊物统计
该板块从三个维度：被引数、作者、学校及机构统计了论文发表的情况，大家可以通过不同的维度进行筛选，以了解该会议下的最牛论文、最牛作者及最牛机构。
总的来说，AMiner 为广大学生学者提供了一个更加全面的、更加多元的计算机科学领域的会议（期刊）期刊榜单。希望该榜单可以帮助该领域的研究人员评估不同的会议情况，选择更加适合自己的发表平台，也可以帮助刚刚进入该领域的学生了解各大会议（期刊）的基本情况。
PS：数据上依旧存在局限性，如有问题，欢迎大家在下方评论指正。
编辑：赵雅琦
排版：赵辰霞
编审：毛潇、王新凯
