Liste de Canaux de Publications principaux en Apprentissage Machine

Contexte

Ce document contient une liste de référence de canaux de publications qui a été initié dans le contexte d’une enquête de la Société Informatique de France (SIF) visant à recenser les pratiques de publications en informatique dont les résultats peuvent être trouvés ici :https://github.com/societe-informatique-de-france/referentiel-pratiques-publication-2019

La classification utilisée suite celle proposée par la SIF. Le résultat de l’enquête pour la SSFAM peut être trouvé ici : https://github.com/societe-informatique-de-france/referentiel-pratiques-publication-2019/blob/master/analyse/ssfam.md

Nous reprenons ci-dessous la liste des canaux référencés.

Objectifs et note importante

Suite à cette enquête, la SSFAM a établi par son conseil scientifique une liste de canaux de publications de référence pour le domaine que nous donnons ci-dessous. Elle a été établie selon les informations en vigueur en décembre 2020.

L’apprentissage machine ou machine learning (ML) a la particularité d’être un domaine qui se situe naturellement à la frontière de plusieurs disciplines, son évolution large et rapide ses dernières années l’a vu se développer au sein de nouvelles disciplines que ce soit d’un point de vue plus théorique/fondamental ou applicatif. Il est aujourd’hui difficile de recenser l’ensemble des canaux pouvant contenir des contributions significatives en apprentissage et probablement illusoire de pouvoir le tenir à jour. La SSFAM indique à titre informatif un ensemble de canaux qui contiennent des contributions significatives pour l’avancée du domaine de l’apprentissage. Cette liste indicative ne saurait être pleinement exhaustive ni complètement objective sur la qualité générale d’un canal de publication; tant ce domaine est en expansion aujourd’hui. Nous pensons néanmoins qu’elle peut fournir des indicateurs complémentaires utiles pour l’évaluation de la qualité des publications en apprentissage machine. Les choix mentionnés ci-dessous se focalisent sur l’aspect apprentissage machine dans le contexte de l’enquête menée par la SIF mentionnée ci-dessus.

De plus , l’association souhaite également souligner l’importance des publications dans les conférences dans le domaine et notamment dans les canaux les plus prestigieux. Ces conférences ont des taux de sélection importants (20-25%) pour plusieurs milliers de soumissions. Les organisateurs mettent en place plusieurs plusieurs initiatives pour la qualité du processus de relecture, la prise en compte du retour des auteurs sur les retours des relecteurs, ou encore la vérification des aspects éthiques. Nous pensons que des publications en conférence dans les créneaux les plus prestigieux peuvent être considérées comme ayant une valeur similaire très similaire aux meilleures revues.


Liste des publications par type de canal de publication

Canaux prestigieux

Définition : « les canaux de publication les plus prestigieux du domaine » :

  • « un chercheur de tout premier plan cherchera à y publier ses travaux »
  • « un résultat publié dans ces canaux sera remarqué par la communauté internationale »

Conférences spécifiques ML : NeurIPS, ICML, COLT

Conférences non spécifiques ML : CVPR, IJCAI, AAAI, ICCV, ACL, SIGIR, KDD, STOC, FOCS, SODA, WSDM

Journaux spécifiques ML : JMLR,

Journaux non spécifiques ML : Science, Nature

Canaux recherchés

Définition : « les canaux de publications recherchés dans le domaine »

  • « un chercheur de tout premier plan y aura publié réguliérement »
  • « une publication dans ces canaux est un gage de reconnaissance internationale »

Conférences spécifiques ML : AISTATS, ICLR, ECML-PKDD,

Conférences non spécifiques ML : ECAI, ECCV, EMNLP, IEEE ICDM,

Journaux spécifiques ML : Machine Learning Journal, Neurocomputing

Journaux non spécifiques ML : IEEE TPAMI, IJCV, TKDD, DAMI/DMKD, Pattern Recognition (PR)

Canaux de qualité

Définition : « des canaux classiques et de qualité dans le domaine »

Conférences spécifiques ML : IJCNN, ALT, ESANN, ACML

Conférences non spécifiques ML : PAKDD, NAACL, COLING, SIAM DM, Recsys, ECIR, IDA, S+SSPR, ICPR, ICASSP, IEEE ICIP, ICONIP, ICTAI, ILP, ICDAR, ACCV, ICGI

Journaux : Computer Vision and Image Understanding (CVIU), Theoretical Computer Science (TCS) , Knowledge and Information Systems (KAIS), Pattern Recognition Letters (PRL), Trans on Image Processing (TIP), Information Retrieval Journal (IRJ), IEEE Trans on Signal Processing (TSP)

Canaux accessibles

Définition : « des canaux de publication reconnus par la communauté, accessibles, qui permettent de présenter de premiers résultats et favoriser les échanges »

  • Conférence d’Apprentissage (CAp),
  • Extraction et Gestion des Connaissances (EGC)
  • GDR-IA et GDR ISIS
  • Société Savante Francophone d’Apprentissage Machine (SSFAM)
  • Journées de Statistique (JdS) de la SFdS
  • Colloque francophone de traitement du signal et des images (GRETSI)
  • Traitement Automatique de la Langue Naturelle TALN et RECITAL
  • Journées d’Analyse des Données Textuelles
  • COnférence en Recherche d Information et Applications (CORIA)
  • Congrès Reconnaissance des Formes, Image, Apprentissage et Perception (RFIAP)
  • Journées francophones de programmation par contraintes (JFPC)
  • …

Liste des acronymes de conférences

Liste des acronymes de journaux