2019年第一份计算机科学实力排名出炉！

CSRankings进行了年度更新，清华在整体排名中位居第十，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年第一份计算机科学实力排名出炉！

全球院校计算机科学领域实力排名开源项目CSRankings，更新了2018年的最新数据。根据该项目的最新排名：

计算机科学整体排名前十，几乎被美国老牌高校霸榜，中国仅清华排到第十位。

AI综合排名中，CMU第一，清华第二、北大第五。

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整体排名：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科学学院教授 Emery Berger 组织的全球院校计算机科学领域实力排名，完全基于研究指标，能够以绝大多数院校教员在计算机科学领域的各大顶会发布的论文数量为衡量指标，相对来说比较透明和更有意义。

自然语言处理的顶会有ACL、EMNLP、NAACL；计算机视觉领域的顶会含CVPR、ECCV、ICCV；机器学习与数据挖掘会议的论文来自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、理论和跨学科领域。

根据最新的CS Rankings，计算机科学专业整体排名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，改变筛选条件，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、机器学习与数据挖掘、自然语言处理、网页信息检索5项细分领域。

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月时候报道，北大的排名还处在第四位，进步神速。

在人工智能专业AI方向排名Top 30的高校具体如下：

排名Top 10的高校/机构里面，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：中国科学院

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

机器学习和数据挖掘子方向前十：清华第六

自然语言处理(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，每个被收录进去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，可以看见很多熟悉的名字(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。为了保证科学严谨，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，无论其隶属关系（教师、学生或其他），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，通过在所有共同作者之间平均分配来调整积分。这种方法使得仅仅通过在论文中添加作者来提高排名是不可能的。如果没有调整方法，一个人单独写出一篇论文的成果就显得微不足道了。

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。

排行榜一直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，但排名并不会消失。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《美国新闻与世界报道》(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主观评价密切相关。

相比之下，CSRankings完全基于研究指标，能够以绝大多数院校教员在计算机科学领域的各大顶会发布的论文数量为衡量指标，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。