Inductive Logic Programming issues, results and the

概念图知识表示的推理方法知识图谱推理的主要技术手段分为两大类：基于演绎的知识图谱推理和基于归纳的知识图谱推理。

演绎推理的过程需要明确定义的先验信息，所以基于演绎的知识图谱推理多围绕本体展开。

演绎推理主要包括基于描述逻辑、基于逻辑编程、基于查询重写和基于产生式规则的方法。

基于描述逻辑推理：在丰富逻辑描述的知识图谱中，除了实体和关系，还包含了很多抽象的信息，比如描述实体类别的概念以及关系之间的从属信息。

由于OWL 是知识图谱语言中最规范、最严谨、表述能力最强的语言，而且OWL基于RDF 语法，使表示出来的文档具有语义理解的结构基础，所以基于OWL的模型，可以进行一系列实用的推理，包括概念包含，概念互斥，概念可满足，全局一致，实例检索等等。

基于逻辑编程推理：逻辑编程是一族基于规则的知识表示语言，其具有较大的灵活性，其可以根据特定的场景定制规则，以实现用户自定义的推理过程。

逻辑编程是一个很大的研究领域，在工业界的应用广泛。

Datalog语言是一种面向知识库和数据库设计的逻辑语言，其便于撰写规则，实现推理。

基于查询重写推理：利用查询重写的方法实现知识图谱的查询。

有两种情况，第一种情况是知识图谱已经存在，第二种情况是数据不以知识图谱的形式存在，而是存在外部的数据库中（例如关系型数据库）。

第一种情况不过多讨论，直接是在知识图谱查询。

第二种情况成为基于本体的数据访问(OBDA)，在OBDA的情况下，数据存放在一个或多个数据库中，由映射将数据库的数据映射为一个知识图谱。

OBDA的主要推理任务为查询，当查询时，OBDA将底层的数据库呈现为一个知识图谱，从而掩盖底层存储的细节。

基于产生式规则推理：产生式规则系统是一种前向推理系统，可以按照一定机制执行规则并达到某些目标。

该系统可以应用于自动规划和专家系统等领域。

一个产生式规则系统由事实集合、产生式集合和推理引擎三部分组成。

其中的推理引擎是系统核心，主要用于控制系统的执行。

人工智能专业重要词汇表1、A开头的词汇：Artificial General Intelligence/AGI通用人工智能Artificial Intelligence/AI人工智能Association analysis关联分析Attention mechanism注意力机制Attribute conditional independence assumption属性条件独立性假设Attribute space属性空间Attribute value属性值Autoencoder自编码器Automatic speech recognition自动语音识别Automatic summarization自动摘要Average gradient平均梯度Average-Pooling平均池化Accumulated error backpropagation累积误差逆传播Activation Function激活函数Adaptive Resonance Theory/ART自适应谐振理论Addictive model加性学习Adversarial Networks对抗网络Affine Layer仿射层Affinity matrix亲和矩阵Agent代理/ 智能体Algorithm算法Alpha-beta pruningα-β剪枝Anomaly detection异常检测Approximation近似Area Under ROC Curve／AUC R oc 曲线下面积2、B开头的词汇Backpropagation Through Time通过时间的反向传播Backpropagation/BP反向传播Base learner基学习器Base learning algorithm基学习算法Batch Normalization/BN批量归一化Bayes decision rule贝叶斯判定准则Bayes Model Averaging／BMA贝叶斯模型平均Bayes optimal classifier贝叶斯最优分类器Bayesian decision theory贝叶斯决策论Bayesian network贝叶斯网络Between-class scatter matrix类间散度矩阵Bias偏置/ 偏差Bias-variance decomposition偏差-方差分解Bias-Variance Dilemma偏差–方差困境Bi-directional Long-Short Term Memory/Bi-LSTM双向长短期记忆Binary classification二分类Binomial test二项检验Bi-partition二分法Boltzmann machine玻尔兹曼机Bootstrap sampling自助采样法／可重复采样／有放回采样Bootstrapping自助法Break-Event Point／BEP平衡点3、C开头的词汇Calibration校准Cascade-Correlation级联相关Categorical attribute离散属性Class-conditional probability类条件概率Classification and regression tree/CART分类与回归树Classifier分类器Class-imbalance类别不平衡Closed -form闭式Cluster簇/类/集群Cluster analysis聚类分析Clustering聚类Clustering ensemble聚类集成Co-adapting共适应Coding matrix编码矩阵COLT国际学习理论会议Committee-based learning基于委员会的学习Competitive learning竞争型学习Component learner组件学习器Comprehensibility可解释性Computation Cost计算成本Computational Linguistics计算语言学Computer vision计算机视觉Concept drift概念漂移Concept Learning System /CLS概念学习系统Conditional entropy条件熵Conditional mutual information条件互信息Conditional Probability Table／CPT条件概率表Conditional random field/CRF条件随机场Conditional risk条件风险Confidence置信度Confusion matrix混淆矩阵Connection weight连接权Connectionism连结主义Consistency一致性／相合性Contingency table列联表Continuous attribute连续属性Convergence收敛Conversational agent会话智能体Convex quadratic programming凸二次规划Convexity凸性Convolutional neural network/CNN卷积神经网络Co-occurrence同现Correlation coefficient相关系数Cosine similarity余弦相似度Cost curve成本曲线Cost Function成本函数Cost matrix成本矩阵Cost-sensitive成本敏感Cross entropy交叉熵Cross validation交叉验证Crowdsourcing众包Curse of dimensionality维数灾难Cut point截断点Cutting plane algorithm割平面法4、D开头的词汇Data mining数据挖掘Data set数据集Decision Boundary决策边界Decision stump决策树桩Decision tree决策树／判定树Deduction演绎Deep Belief Network深度信念网络Deep Convolutional Generative Adversarial Network/DCGAN深度卷积生成对抗网络Deep learning深度学习Deep neural network/DNN深度神经网络Deep Q-Learning深度Q 学习Deep Q-Network深度Q 网络Density estimation密度估计Density-based clustering密度聚类Differentiable neural computer可微分神经计算机Dimensionality reduction algorithm降维算法Directed edge有向边Disagreement measure不合度量Discriminative model判别模型Discriminator判别器Distance measure距离度量Distance metric learning距离度量学习Distribution分布Divergence散度Diversity measure多样性度量／差异性度量Domain adaption领域自适应Downsampling下采样D-separation （Directed separation）有向分离Dual problem对偶问题Dummy node哑结点Dynamic Fusion动态融合Dynamic programming动态规划5、E开头的词汇Eigenvalue decomposition特征值分解Embedding嵌入Emotional analysis情绪分析Empirical conditional entropy经验条件熵Empirical entropy经验熵Empirical error经验误差Empirical risk经验风险End-to-End端到端Energy-based model基于能量的模型Ensemble learning集成学习Ensemble pruning集成修剪Error Correcting Output Codes／ECOC纠错输出码Error rate错误率Error-ambiguity decomposition误差-分歧分解Euclidean distance欧氏距离Evolutionary computation演化计算Expectation-Maximization期望最大化Expected loss期望损失Exploding Gradient Problem梯度爆炸问题Exponential loss function指数损失函数Extreme Learning Machine/ELM超限学习机6、F开头的词汇Factorization因子分解False negative假负类False positive假正类False Positive Rate/FPR假正例率Feature engineering特征工程Feature selection特征选择Feature vector特征向量Featured Learning特征学习Feedforward Neural Networks/FNN前馈神经网络Fine-tuning微调Flipping output翻转法Fluctuation震荡Forward stagewise algorithm前向分步算法Frequentist频率主义学派Full-rank matrix满秩矩阵Functional neuron功能神经元7、G开头的词汇Gain ratio增益率Game theory博弈论Gaussian kernel function高斯核函数Gaussian Mixture Model高斯混合模型General Problem Solving通用问题求解Generalization泛化Generalization error泛化误差Generalization error bound泛化误差上界Generalized Lagrange function广义拉格朗日函数Generalized linear model广义线性模型Generalized Rayleigh quotient广义瑞利商Generative Adversarial Networks/GAN生成对抗网络Generative Model生成模型Generator生成器Genetic Algorithm/GA遗传算法Gibbs sampling吉布斯采样Gini index基尼指数Global minimum全局最小Global Optimization全局优化Gradient boosting梯度提升Gradient Descent梯度下降Graph theory图论Ground-truth真相／真实8、H开头的词汇Hard margin硬间隔Hard voting硬投票Harmonic mean调和平均Hesse matrix海塞矩阵Hidden dynamic model隐动态模型Hidden layer隐藏层Hidden Markov Model/HMM隐马尔可夫模型Hierarchical clustering层次聚类Hilbert space希尔伯特空间Hinge loss function合页损失函数Hold-out留出法Homogeneous同质Hybrid computing混合计算Hyperparameter超参数Hypothesis假设Hypothesis test假设验证9、I开头的词汇ICML国际机器学习会议Improved iterative scaling/IIS改进的迭代尺度法Incremental learning增量学习Independent and identically distributed/i.i.d.独立同分布Independent Component Analysis/ICA独立成分分析Indicator function指示函数Individual learner个体学习器Induction归纳Inductive bias归纳偏好Inductive learning归纳学习Inductive Logic Programming／ILP归纳逻辑程序设计Information entropy信息熵Information gain信息增益Input layer输入层Insensitive loss不敏感损失Inter-cluster similarity簇间相似度International Conference for Machine Learning/ICML国际机器学习大会Intra-cluster similarity簇内相似度Intrinsic value固有值Isometric Mapping/Isomap等度量映射Isotonic regression等分回归Iterative Dichotomiser迭代二分器10、K开头的词汇Kernel method核方法Kernel trick核技巧Kernelized Linear Discriminant Analysis／KLDA核线性判别分析K-fold cross validation k 折交叉验证／k 倍交叉验证K-Means Clustering K –均值聚类K-Nearest Neighbours Algorithm/KNN K近邻算法Knowledge base知识库Knowledge Representation知识表征11、L开头的词汇Label space标记空间Lagrange duality拉格朗日对偶性Lagrange multiplier拉格朗日乘子Laplace smoothing拉普拉斯平滑Laplacian correction拉普拉斯修正Latent Dirichlet Allocation隐狄利克雷分布Latent semantic analysis潜在语义分析Latent variable隐变量Lazy learning懒惰学习Learner学习器Learning by analogy类比学习Learning rate学习率Learning Vector Quantization/LVQ学习向量量化Least squares regression tree最小二乘回归树Leave-One-Out/LOO留一法linear chain conditional random field线性链条件随机场Linear Discriminant Analysis／LDA线性判别分析Linear model线性模型Linear Regression线性回归Link function联系函数Local Markov property局部马尔可夫性Local minimum局部最小Log likelihood对数似然Log odds／logit对数几率Logistic Regression Logistic 回归Log-likelihood对数似然Log-linear regression对数线性回归Long-Short Term Memory/LSTM长短期记忆Loss function损失函数12、M开头的词汇Machine translation/MT机器翻译Macron-P宏查准率Macron-R宏查全率Majority voting绝对多数投票法Manifold assumption流形假设Manifold learning流形学习Margin theory间隔理论Marginal distribution边际分布Marginal independence边际独立性Marginalization边际化Markov Chain Monte Carlo/MCMC马尔可夫链蒙特卡罗方法Markov Random Field马尔可夫随机场Maximal clique最大团Maximum Likelihood Estimation/MLE极大似然估计／极大似然法Maximum margin最大间隔Maximum weighted spanning tree最大带权生成树Max-Pooling最大池化Mean squared error均方误差Meta-learner元学习器Metric learning度量学习Micro-P微查准率Micro-R微查全率Minimal Description Length/MDL最小描述长度Minimax game极小极大博弈Misclassification cost误分类成本Mixture of experts混合专家Momentum动量Moral graph道德图／端正图Multi-class classification多分类Multi-document summarization多文档摘要Multi-layer feedforward neural networks多层前馈神经网络Multilayer Perceptron/MLP多层感知器Multimodal learning多模态学习Multiple Dimensional Scaling多维缩放Multiple linear regression多元线性回归Multi-response Linear Regression ／MLR多响应线性回归Mutual information互信息13、N开头的词汇Naive bayes朴素贝叶斯Naive Bayes Classifier朴素贝叶斯分类器Named entity recognition命名实体识别Nash equilibrium纳什均衡Natural language generation/NLG自然语言生成Natural language processing自然语言处理Negative class负类Negative correlation负相关法Negative Log Likelihood负对数似然Neighbourhood Component Analysis/NCA近邻成分分析Neural Machine Translation神经机器翻译Neural Turing Machine神经图灵机Newton method牛顿法NIPS国际神经信息处理系统会议No Free Lunch Theorem／NFL没有免费的午餐定理Noise-contrastive estimation噪音对比估计Nominal attribute列名属性Non-convex optimization非凸优化Nonlinear model非线性模型Non-metric distance非度量距离Non-negative matrix factorization非负矩阵分解Non-ordinal attribute无序属性Non-Saturating Game非饱和博弈Norm范数Normalization归一化Nuclear norm核范数Numerical attribute数值属性14、O开头的词汇Objective function目标函数Oblique decision tree斜决策树Occam’s razor奥卡姆剃刀Odds几率Off-Policy离策略One shot learning一次性学习One-Dependent Estimator／ODE独依赖估计On-Policy在策略Ordinal attribute有序属性Out-of-bag estimate包外估计Output layer输出层Output smearing输出调制法Overfitting过拟合／过配Oversampling过采样15、P开头的词汇Paired t-test成对t 检验Pairwise成对型Pairwise Markov property成对马尔可夫性Parameter参数Parameter estimation参数估计Parameter tuning调参Parse tree解析树Particle Swarm Optimization/PSO粒子群优化算法Part-of-speech tagging词性标注Perceptron感知机Performance measure性能度量Plug and Play Generative Network即插即用生成网络Plurality voting相对多数投票法Polarity detection极性检测Polynomial kernel function多项式核函数Pooling池化Positive class正类Positive definite matrix正定矩阵Post-hoc test后续检验Post-pruning后剪枝potential function势函数Precision查准率／准确率Prepruning预剪枝Principal component analysis/PCA主成分分析Principle of multiple explanations多释原则Prior先验Probability Graphical Model概率图模型Proximal Gradient Descent/PGD近端梯度下降Pruning剪枝Pseudo-label伪标记16、Q开头的词汇Quantized Neural Network量子化神经网络Quantum computer量子计算机Quantum Computing量子计算Quasi Newton method拟牛顿法17、R开头的词汇Radial Basis Function／RBF径向基函数Random Forest Algorithm随机森林算法Random walk随机漫步Recall查全率／召回率Receiver Operating Characteristic/ROC受试者工作特征Rectified Linear Unit/ReLU线性修正单元Recurrent Neural Network循环神经网络Recursive neural network递归神经网络Reference model参考模型Regression回归Regularization正则化Reinforcement learning/RL强化学习Representation learning表征学习Representer theorem表示定理reproducing kernel Hilbert space/RKHS再生核希尔伯特空间Re-sampling重采样法Rescaling再缩放Residual Mapping残差映射Residual Network残差网络Restricted Boltzmann Machine/RBM受限玻尔兹曼机Restricted Isometry Property/RIP限定等距性Re-weighting重赋权法Robustness稳健性/鲁棒性Root node根结点Rule Engine规则引擎Rule learning规则学习18、S开头的词汇Saddle point鞍点Sample space样本空间Sampling采样Score function评分函数Self-Driving自动驾驶Self-Organizing Map／SOM自组织映射Semi-naive Bayes classifiers半朴素贝叶斯分类器Semi-Supervised Learning半监督学习semi-Supervised Support Vector Machine半监督支持向量机Sentiment analysis情感分析Separating hyperplane分离超平面Sigmoid function Sigmoid 函数Similarity measure相似度度量Simulated annealing模拟退火Simultaneous localization and mapping同步定位与地图构建Singular Value Decomposition奇异值分解Slack variables松弛变量Smoothing平滑Soft margin软间隔Soft margin maximization软间隔最大化Soft voting软投票Sparse representation稀疏表征Sparsity稀疏性Specialization特化Spectral Clustering谱聚类Speech Recognition语音识别Splitting variable切分变量Squashing function挤压函数Stability-plasticity dilemma可塑性-稳定性困境Statistical learning统计学习Status feature function状态特征函Stochastic gradient descent随机梯度下降Stratified sampling分层采样Structural risk结构风险Structural risk minimization/SRM结构风险最小化Subspace子空间Supervised learning监督学习／有导师学习support vector expansion支持向量展式Support Vector Machine/SVM支持向量机Surrogat loss替代损失Surrogate function替代函数Symbolic learning符号学习Symbolism符号主义Synset同义词集19、T开头的词汇T-Distribution Stochastic Neighbour Embedding/t-SNE T–分布随机近邻嵌入Tensor张量Tensor Processing Units/TPU张量处理单元The least square method最小二乘法Threshold阈值Threshold logic unit阈值逻辑单元Threshold-moving阈值移动Time Step时间步骤Tokenization标记化Training error训练误差Training instance训练示例／训练例Transductive learning直推学习Transfer learning迁移学习Treebank树库Tria-by-error试错法True negative真负类True positive真正类True Positive Rate/TPR真正例率Turing Machine图灵机Twice-learning二次学习20、U开头的词汇Underfitting欠拟合／欠配Undersampling欠采样Understandability可理解性Unequal cost非均等代价Unit-step function单位阶跃函数Univariate decision tree单变量决策树Unsupervised learning无监督学习／无导师学习Unsupervised layer-wise training无监督逐层训练Upsampling上采样21、V开头的词汇Vanishing Gradient Problem梯度消失问题Variational inference变分推断VC Theory VC维理论Version space版本空间Viterbi algorithm维特比算法Von Neumann architecture冯·诺伊曼架构22、W开头的词汇Wasserstein GAN/WGAN Wasserstein生成对抗网络Weak learner弱学习器Weight权重Weight sharing权共享Weighted voting加权投票法Within-class scatter matrix类内散度矩阵Word embedding词嵌入Word sense disambiguation词义消歧23、Z开头的词汇Zero-data learning零数据学习Zero-shot learning零次学习。

为什么要做研究？研究不等于研发－研究的目的是发现新知识、发明新技术。

－研发：基于已有知识和技术进行研制和开发。

科学研究扩展人类知识没有科学研究就没有技术进步为什么要写论文？把你的工作告诉同行－经过同行评审（peer-review)，成为科学文献基础研究的主要成果－基础研究通常离实际应用有较大距离。

－只有很少的研究工作能很快进入实际应用前沿研究->实验室成熟技术/工业界新技术->工业界成熟技术论文好写吗？很容易！只要有了好的研究工作，写论文不过就是用文字把你的工作描述出来。

很难！如果没有研究工作支撑的话论文是―做‖出来的而不是―写‖出来的，―写‖的时间其实最多只占10％如何做研究？研究活动的大致过程－TPICTopic->Problem->Idea->Concrete->Work(theoreticalanalysis,experiments,ect.)->PaperWriting->Submit从Topic开始！.计算机科学发展到今天，已经是一个非常广袤的学科.先要进入一个具体的分支学科和领域，并获得必要的了解A rough taxonomy.Computer Science.Artificial Intelligence.Automated Reasoning (?).Computer Vision (?).Knowledge Engineering (?).Knowledge Representation (?).Machine Learning (?).Multi-agent System (?).Natural Language Processing (?).Pattern Recognition (?).Planning (?).……(?).Computer Graphics.Database.Hardware.Multimedia.Network.Software Engineering.Theoretical Computer Science.…….Physics.……即使在一个分支学科和领域中，也有太多的话题Machine LearningActive learning (?)Clustering (?)Decision tree (?)Ensemble learning (?)Incremental learning (?)Inductive logic programming (?)Lazy learning (?)Multi-instance learning (?)Multi-label learning (?)Multi-strategy lear(?)......How ?.通常情况：导师给你一个topic–导师往往是该领域的资深学者，对topic可能有较好的把握能力–研究领域不存在―好‖、―坏‖之分，只要做得足够深入，都能做出好的工作–在特定的时期，某些领域可能更活跃，相对来说杰出成果出得更多How (con’t)?.然后，阅读关于该话题的重要文献，了解该话题的研究历程、研究现状–请导师或该领域资深学者推荐读物–基于导师推荐的读物，顺藤摸瓜（例如从参考文献）找到尽可能多的重要文献读不懂的先跳过去，多读几遍每个topic发展的历程都是无数聪明人智慧和汗水铺就的，这里面会有一条前后衔接的线索,某一天当你突然把头脑中杂乱的东西串成一线，你会觉得顿时豁然开朗：―啊，原来是这样！‖，这时你就开始尝到研究带来的乐趣了..如果因为种种原因，你需要自己去找topic、自己找东西读，那该怎么办？办法1：找人请教（自己要加以判断）.师兄、师姐.该领域的著名学者.一定要有礼貌.没有回音也不要难过.名人可能每天会收到几十封类似你这样的信，不可能都回复.名人自己可能有一群学生嗷嗷待哺.网络：BBS, mailing list, etc.办法2：自力更生①搞清楚自己的领域里最重要的刊物、会议、问人、网上搜索、BBS, etc.②找来那上面最近几年的文章、NJU数字图书馆、系图书馆、Internet, etc.③读!目的是为了大概知道有哪些topic，读摘要就可以了,可能要花很多时间选择最适合你的topic:①自己的兴趣这是最重要的！②自己的知识结构没有必要的知识积累，一切从头开始的话，……③能否获得必要的资源例如数据Problem―问题‖是科学研究的心脏!任何有价值的研究，都是为了解决某个问题, 提出一个好的问题，已经成功了一半―问题‖其实才是研究的真正开始这可能是CS研究中最困难的部分,会找问题，是具有独立研究的能力的标志How ?.导师给你一个问题–你很幸运！–赶紧做，说不定导师忍不住自己去做了自己产生问题，导师帮你判断－这是通常的情况－导师的研究经验和见解，会使得你少做无用功有了问题以后：搞清楚该问题上已经有过的所有工作导师给你推荐重要文献，然后自己顺藤摸瓜优点是什么？缺点是什么？为什么没有彻底解决问题？悟出已有工作的发展线索完全自力更生读发表在重要刊物和会议上的有关你的topic的文献2、30篇读下来，你大概能知道有哪些问题是没解决的了关注这个topic上活跃的leading expert的工作、他们的文章中可能会指出一些需要解决的重要问题兴趣有价值的问题知识结构资源宜―小题大做‖，忌―大题小做‖对研究能力极大的锻炼你可能会走很多弯路，有可能一无所成，但也有可能练就一身硬功夫Idea这是考验你聪明才智的时候了！不要指望导师给你idea !如果导师连idea都给你，你的运气实在是好到家了如果一下想不到好的idea，不要着急博士期间能做出一项重要的工作就已经很好了你也许会有很多idea，导师可以帮助你判断、改善有了好的idea，问题就解决了一大半How ?.没人帮你判断idea怎么办？自力更生：.是新的idea吗？.是不是有道理？不是瞎蒙出来的.是否可行？.把这个idea先放到一边，过一周再考虑一下：是否有更好的办法？ .如果答案都是―yes‖，那就赶紧动手吧！Concrete workIdea需要得到支持CS里面通常是理论分析和实验验证理论分析往往需要较好的数学功底.没有怎么办：1.学！2.找人合作实验验证需要较好的实验设计能力.没有怎么办：1.学！2.找人合作两者都不容易到博士念完，至少在某方面应该是得心应手了How ?理论分析——周全，不要有漏洞——尽可能简单的工具实验验证——实验方案周全仔细——基准测试——其他学者也能使用的数据——不可缺少的比较——实验是可重复的必要的分析和解释——Strength/Weakness——How/When Strong?——Why Strong?——How/When weak?——Why weak?成功之路聪明＋勤奋！写论文之前确定论文署名：一般情况，按贡献大小排序.如果是普通合作者，则考虑P, I, C（？）.如果是导师给问题，则主要考虑I, C–导师是在培养学生–综合考虑–提出idea的人经常成为第一作者.通常由第一作者执笔.通讯作者通常是整个研究工作的负责人.作者不要太多，小的贡献可以放在致谢里确定投稿目标：——根据工作的水准，挑选合适的发表源.除非有特殊的考虑，否则：低投—遗憾，高投—延误发表.针对不同的发表源可能有不同的写法——通常情况：导师帮你确定——如果需要自力更生，那么……了解一下发表源.发表源的类型Journal: 例如AIJ, IEEE Trans. PAMIConference: 例如IJCAI, AAAIMagazine: 例如AI Mag, IEEE Intelligent System计算机科学界很重视会议论文，高档次会议并不亚于高档次刊物这是个例外，其他学科通常是不把会议当回事的.发表源的档次——由于CS发展迅速，很多分支学科都有好几个top journal和top conference 以AI为例：Top journal: AIJ, TPAMI, MLJ, NCJ, IJCVLeading journal: JAIR, CIJ, many IEEE Trans., etc.Reputable journal: a lotTop conference: IJCAI, AAAI, ICML, NIPS, CVPR, ICCV, UAILeading conference: ECCV, ECML, ECAI, etc.Reputable conferences: a lot..发表源的档次仅供参考：–/~xli/CS-Journals-Rank.htm–/people/home/guofei/CS_ConfRank.htm–(lily bbs) CompSci版精华区: 期刊、会议、投稿指南国内刊物：.权威刊物: 中国科学，科学通报，自然科学进展.目前CS方面最国际化的刊物: JCST.一级学报：计算机学报，软件学报，电子学报，自动化学报.不错的刊物：计算机研究与发展，模式识别与人工智能，中文信息学报，…… .同一工作不能在刊物上发表两次.在会议上发表的工作，经过扩充后可以再投往刊物——应该有至少30%的新东西（例如更详尽的理论分析、更多的实验结果等）——投稿时根据刊物的要求明确说明.CS刊物上文章篇幅通常比较长，会议文章篇幅较短.CS刊物发表周期通常比较长，一些刊物可能要2-3年.绝不要一稿多投!现在有一些比较好的会议已经开始允许同时向刊物投稿了解一下稿件处理流程.Journal–编辑部/主编(Editor-in-Chief)收到稿件–转给合适的Associate Editor 处理–AE找reviewer审稿–Reviewer的意见到AE手里汇总–AE做出处理意见: accept, revision, reject–Editor-in-Chief审定.处理意见的大致类型:–Accept without revision.罕见的情况–Minor revision.比较少的情况，已经录用了–Major revision / Reject but resubmission encouraged.多数情况；修改后再进行一轮审稿–Reject.大多数文章，尤其是对很好的刊物来说.很多刊物一期只有5、6篇文章.即使不能被录用，好刊物的审稿意见会对你有很大帮助.Conference–一般来说：.PC member对论文进行投标.PC Chair根据投标情况，把论文分配给适当的PC member–有的会议设置了Area Chair，协助PC Chair处理某一领域的论文；有的会议没有投标过程PC member 忙不过来时，往往会找external reviewer帮忙审稿，会议的处理意见通常是：录用或拒绝文章类型目前和各位有关的主要是：.Journal--Regular Paper--Short paper/Concise Paper--Letter/Correspondence.Conference--Oral--Poster注意：1.不要自行与AE/Reviewer联系2.超过原定的审稿期后，可以写一封有礼貌的信给主编。