人工智能中的顶级期刊

本文描述了获取人工智能顶级期刊列表的方法，方便读者通过阅读顶级期刊中的论文跟踪人工智能前沿。同时，本文还介绍了获取人工智能顶级期刊投稿信息的方法，帮助读者提高论文的录用率。

1. 顶级期刊列表的获取方法

要查找某个领域的顶级期刊有两种方法，一种是通过谷歌学术的Metrics栏目，另外一种就是通过期刊引用报告数据库（Journal Citation Report，简称JCR）。通过谷歌学术的Metrics栏目查找某一研究领域的顶级期刊的方式与《人工智能中的顶级会议》中已经介绍过的通过歌学术的Metrics栏目查找某一研究领域的顶级会议的方式类似，这里不再重复。

JCR是一个独特的多学科期刊评价工具，基于Web of Science权威的引文数据库，使用量化的统计信息对全球领先的学术期刊进行公正而严格地评价。JCR官方网站的网址为：https://clarivate.com/webofsciencegroup/solutions/journal-citation-reports。通过JCR数据库来查找某一领域的顶级期刊列表，必须所在机构已经购买该数据库，否则无法使用该数据库。具体的查找方式见图 6‑17。先打开JCR网站得到界面1，然后在界面1中点击椭圆圈出的“Go to product”，弹出界面2，然后在界面2中点击“Browse by Category”，弹出界面3，在界面3中点击“Select Categories”，弹出界面4，在界面4的研究领域选择框中选中“COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE”然后点“Submit”，弹出界面5，在界面5中点击该研究领域的期刊总数，弹出界面6，即得到了计算机科学学科下面的人工智能领域的期刊列表（这里只截取了前三位的期刊）。默认的是按照影响因子由高到低的顺序排列的，基本上这一顺序就代表了期刊的等级排序，越排在前面的期刊其质量越高。

图 6‑17 使用JCR查找顶级期刊列表的具体步骤

上面介绍的是查询任意研究领域的顶级期刊列表的方法。如果只关心计算机领域的顶级期刊列表，可以直接在中国计算机学会官网的“CCF推荐会议/期刊目录”栏目下查看计算机学科各子领域的顶级期刊列表，中国计算机学会网站的地址为https://www.ccf.org.cn。中国计算机学会网站给出的计算机领域的顶级期刊列表分为A、B、C三个档次。

中国计算机学会推荐的AI领域A类期刊见表 6‑5，TPAMI和AI期刊是人工智能领域里面非常著名的、广泛认可的顶级期刊，发表的难度很大。IJCV是计算机视觉领域最顶级的期刊之一。JMLR是机器学习领域的最顶级的期刊之一。

表 6‑5 中国计算机学会推荐的人工智能领域A类期刊

中国计算机学会推荐的AI领域B类期刊和C类期刊列表，读者可以查阅图书《人工智能怎么学》。

2. 顶级期刊的投稿信息获取

顶级期刊的大部分均为英文期刊，同时也包含了部分的中文期刊。为此，先介绍顶级英文期刊的投稿，然后再介绍顶级中文期刊的投稿方法。

(1) 顶级英文期刊的投稿

顶级英文期刊基本都是SCI期刊，因此投稿顶级英文期刊的方法与投稿SCI期刊的方法相同。要将论文投稿到SCI期刊，首先需要了解SCI期刊的相关信息，包括：期刊主题、审稿周期、投稿须知、论文模板、版面费等。一般情形下，这些信息在期刊的官网都有发布，所以最重要的事情是获取期刊的官网地址。要获取期刊的官网地址，可以采用如下的方式。

(a) 通过搜索引擎获取期刊投稿信息

利用Google和百度等搜索引擎可以很方便地搜索期刊的官网地址。例如，假设想搜索《IEEE Transactions on Pattern Analysis and Machine Intelligence》，只需在搜索引擎中输入“IEEE Transactions on Pattern Analysis and Machine Intelligence”进行搜索，即可找到其官网的链接。打开官网后即可找到期刊主题、审稿周期、影响因子、投稿须知、论文模板、版面费等信息。

(b) 通过JCR获取期刊投稿信息

JCR是一个独特的多学科期刊评价工具，网络版JCR是唯一提供基于引文数据的统计信息的期刊评价资源。关于JCR的详细介绍见顶级期刊列表的获取方法部分，JCR的网址为：https://clarivate.com/webofsciencegroup/solutions/journal-citation-reports/。打开JCR网站后，选择“Browse by Category”（即分类浏览），然后选中“COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE”即可浏览人工智能领域的SCI期刊列表。默认情况下期刊是按照影响因子由高到低列出的，这与期刊质量的高低顺序基本一致，也就是说顶级期刊排在这个列表的前面。在列表中点击你想要查找的期刊，打开该期刊的官网，在该网站即可找到期刊主题、影响因子、审稿周期、投稿须知、论文模板、版面费等信息。

(c) 利用期刊投稿辅助系统获取投稿信息

可以利用一些专业的期刊投稿辅助系统获取投稿信息。这些投稿系统上一般包含了期刊的主题、审稿周期、影响因子、版面费、期刊点评等信息，并且有些还支持不同期刊的对比，对于投稿选择期刊来说非常方便。常见的期刊投稿辅助系统分别介绍如下。

小木虫论坛是一个广大科研人员非常喜欢的论坛，在该论坛上既可以进行技术交流，也可以分享招聘信息、项目申请经验、投稿经验等。该网站有一个期刊版块，可以进行期刊的点评以及检索。该网站的期刊系统的特色是收集了丰富的投稿经验和心得体会，可以帮助投稿者对期刊的信息、投稿要求、审稿流程等进行非常深入地了解。读者在投稿论文前可以登录此网站浏览一下期刊的点评信息，对选择合适的期刊以及提高论文的命中率非常有帮助。小木虫期刊投稿辅助系统的网址为http://muchong.com/journal.php，界面如图 6‑18所示。

图 6‑18 小木虫期刊投稿辅助系统网站界面

梅斯网站提供期刊选择、期刊查询、期刊对比、文献对比等非常实用的论文写作和发表辅助功能。其中，期刊智能查询系统的网址为https://www.medsci.cn/sci/index.do，界面如图 6‑19所示。使用该系统可以非常方便地对期刊进行查询。查询结果可以显示H指数、影响因子、期刊年文章数、投稿命中率、审稿周期等重要信息。同时，该系统还提供了投稿者的经验分享，可以提供非常有用的投稿指引。

图 6‑19 梅斯期刊投稿辅助系统网站界面

(2) 顶级中文期刊的投稿

顶级中文期刊的投稿可以借助“中国学术期刊论文投稿平台”进行，该平台的网址为http://www.cb.cnki.net/index.aspx，界面如见图 6‑20所示。该平台列出了各个领域常见的中文期刊。下面介绍如何使用该平台获取人工智能领域的期刊列表。

图 6‑20中国学术期刊论文投稿平台界面

首先打开中国学术期刊论文投稿平台的网站，得到的界面如图 6‑21(a)所示；在标号1处的搜索框中输入投稿方向或者期刊名称，多个词用逗号分隔，这里输入投稿方向“人工智能”；点击标号2处的搜索按钮，得到的界面如图 6‑21(b)所示；在标号3处的过滤条件中选择过滤选项，例如选中“中文核心期刊（北大）”选项，即可自动对搜索出的结果进行过滤，从而得到了人工智能领域的北大中文核心期刊列表（见图 6‑21(b)中的搜索结果）。对于搜索出的结果，可以选择按照“研究相关度”排序，也可以选择按照“复合影响因子”排序 。点击界面中的投稿按钮即可跳转到期刊的官网。阅读期刊官网中的投稿须知，然后下载论文模板，按照要求进行排版，排版完成后认真检查和修改论文，不停地对论文进行打磨，对论文的质量进行持续提升，直到达到投稿的要求方可进行投稿。

图 6‑21利用中国学术期刊论文投稿平台进行期刊检索

如果想了解人工智能中文献智能管理工具的使用方法，敬请关注本公众号的下一篇文章《文献智能管理工具》。

关于人工智能前沿信息获取的更多介绍，可以购买《人工智能怎么学》进一步阅读。

图书购买方式

京东：https://item.jd.com/13395339.html

当当：http://product.dangdang.com/29469230.html

天猫：https://detail.tmall.com/item_o.htm?id=687374654836

为了让图书惠及更多的读者，为更多想学习人工智能的人提供帮助，经过向出版社申请，对图书《人工智能怎么学》的部分内容进行改编和连载。图书《人工智能怎么学》的全部内容包含了初级入门、中阶提高以及高级进阶三个级别的内容。连载的内容主要是初级入门级别，适合想对人工智能进行快速和高效入门的读者，对于已有一定的人工智能学习基础，希望进一步进阶或提高的读者，则需要购买图书《人工智能怎么学》，学习中阶提高以及高级进阶的内容。此外，对于学习人工智能感兴趣的读者，也可以加入知识星球《人工智能怎么学》，知识星球是一个构建学习社群的平台，通过加入《人工智能怎么学》的社群，你将获得更多的学习资料和课程信息。

与作者互动和了解更多信息

想跟作者一起学习人工智能和互动，你可以加入如下社群：

知识星球：https://t.zsxq.com/0aLkVg0os

QQ群：600587177

想了解更多关于人工智能学习及实践的内容，请关注如下媒体：

官方网站：https://bigdatamininglab.github.io

官方微信公众号：人工智能怎么学(可扫描下方二维码或者微信搜索“人工智能怎么学”添加关注)

CSDN：https://blog.csdn.net/audyxiao001

参考文献

1. 邓发云. 信息检索与利用（第3版）[M]. 北京: 科学出版社, 2018.
2. 王细荣, 韩玲, 张勤. 文献信息检索与论文写作（第7版）[M]. 上海: 上海交通大学出版社, 2018.
3. 沈固朝, 储荷婷, 华薇娜. 信息检索（多媒体）教程（第3版）[M]. 北京: 高等教育出版社, 2015.
4. 夏旭. 基于Google学术搜索的引文检索研究[J]. 情报理论与实践, 2006(06):697-701.
5. 余有成. 研究者社会网络搜索与挖掘系统[J]. 高科技与产业化, 2013, 9(010):70-73.
6. Zhang Y , Jia Y , Fu L , et al. AceMap Academic Map and AceKG Academic Knowledge Graph for Academic Data Visualization[J]. Journal of Shanghai Jiaotong University, 2018, 52(10):1357-1362.
7. 谢智敏，郭倩玲. 基于深度学习的学术搜索引擎——Semantic Scholar[J]. 情报杂志, 2017, 036(008):175-182.
8. 许剑颖. 微软学术搜索初探[J]. 情报探索, 2012(12):96-100.
9. 虞为, 翟雅楠, 陈俊鹏. 百度学术用户体验信息内容研究[J]. 情报杂志, 2020, 039(002):134-139,168.
10. 马捷, 刘小乐, 郑若星. 中国知网知识组织模式研究[J]. 情报科学, 2011(06):843-846.

注：本文版权归作者个人所有，如需转载请联系作者，未经授权不得转载。