数据挖掘类的国际顶尖会议有哪些？

最新问答

• zhenghan116

  顶级：SIGKDD
  二流：ICDM，SDM ，EDBT等
  上面是专门的挖掘会议，其他像SIGMOD,VLDB,ICDE等库类会议都会有专门的挖掘session ，下面是有人专门总结的，引用一下：
  
  一流的：库三大顶级会议SIGMOD，VLDB，ICDE，挖掘KDD，实际相关的还有机器学习ICML,还有信息检索的SIGIR；库的理论会议PODS，但它是理论的会议所以和咱们就不大相关了
  二流的：EDBT，ICDT，CIKM，SDM，ICDM，PKDD，还有ECML欧洲的机器学习会议（这个应该是1.5档的，比一般的二流好）
  SIGMOD：97分，库的最高会议，涉及范围广泛，稍偏应用（因为理论文章有PODS）。没说的，景仰如滔滔江水。这个会议不仅是double-blind review，而且有rebuttal procedure，可谓独树一帜，与众不同。
  
  VLDB：95分，非常好的库会议。与SIGMOD类似，涉及范围广泛，稍偏应用。
  
  从文章的质量来说，SIGMOD和VLDB难分伯仲，没有说谁比谁更高。他们的范围也几乎一样。
  不少牛人都认为，今年的rebuttal procedure其实并不怎么成功。投稿太多，很难做到每一
  篇都公平公正。很多rebuttal没人看。
  
  double-blind是把双刃剑。这几年来每年都有人冒充牛人的风格来投稿，有的还真进去了。
  反而VLDB的审稿质量一直很高。每年的VLDB都有很理论的paper。
  
  一般来说，我感觉大家还是认为SIGMOD要好那么一点点。根据我个人读过的文章，也有这样的感觉。不过这个并不重要了，有差别也是那么一点。
  
  PODS：95分。是“库理论的最好会议,也是一个很好的理论会议”。每年总是co-located with SIGMOD。感觉其中算法背景的人占主流（你可以数数PODS文章中有多少来自Motwani group），也有一部分AI背景的人（毕竟SIGART也是主办者之一）。它的影响力远不及SIGMOD，然而其中文章的质量比较整齐，variance小于SIGMOD（以及其他任何库会议）。有一位牛人说：“PODS never had a really bad paper，”这是它值得骄傲的地方。
  
  KDD:：full paper 95分，poster/short paper 90分。挖掘的最高会议。由于历史积累不足以及领域圈子较小，勿用讳言KDD目前比SIGMOD尚有所不如。我觉得我们可以这样类比：KDD:SIGMOD=CRYPTO:STOC。回顾密学的历史，真正最牛的文章一般发在STOC/FOCS而非C
  RYPTO/EUROCRYPT，这和今天的挖掘何等类似！然而你看看今天的密学文章，已经有顶级的密学家（恕我不便写出名字）不再往STOC/FOCS投稿。我觉得同样的事情在不久的将来也会发生在挖掘中，让我们拭目以待。
  
  这几年来KDD的质量都很高。其full paper的质量高于SIGMOD/VLDB中挖掘方面的paper的质量。原因是SIGMOD/VLDB审稿人中挖掘的人很少，审稿标准不一定能掌握得很好。
  这几年好几篇SIGMOD/VLDB的挖掘paper都follow一些KDD的paper。而在KDD，要拿一篇full paper真难。去年复旦拿了一篇，实属难能可贵。今年他们又拿了一个SIGMOD demo，说明工作的确很扎实。
  
  听说在很多地方，如果能有一篇SIGMOD/VLDB/KDD，就能博士，能有两篇就能找到不错的工作。“尚未成功，同志仍需努力！”
  
  ICDE：92分。很好的库会议，也是一个大杂烩。好处是覆盖面广、包容性强，坏处是文章水平参差不齐。
  
  EDBT：88分，不错的库会议，录取率很低然而历史积累不足，影响还明显不及ICDE。
  
  ICDT：88分，PODS的欧洲版，库理论第二会议。
  
  和SIGMOD/VLDB一样，ICDE和EDBT在质量和影响上都不相上下。
  其它的如CIKM，ICDM，SDM，SSDBM，PKDD等等都比以上的会议差一截。
  
  CIKM：85分。
  
  SDM：full paper 90分，poster/short paper 85分。SIAM的挖掘会议，与ICDM并列为挖掘领域的第二位，比KDD有明显差距。好像其中统计背景的人比较多，也有一部分机器学习背景的人，比较iversified。
  
  ICDM：full paper 90分，poster/short paper 85分。IEEE的挖掘会议，与SDM并列为挖掘领域的第二位，比KDD有明显差距。
  
  PKDD：83分（因为poster/short paper数量很少，所以不予区分）。好像是KDD的欧洲版，但与KDD差距很大。

  浏览 253赞 130时间 2024-03-01
• 乐乐媚娘

  挖掘是按领域、行业分类的，目前涉及的挖掘类权威学术会议较多，下图供参考：

  
  

  浏览 347赞 153时间 2024-02-24
• starlight0503

  看完楼上的我长见识了。拍个印子，百度别删我印子

  浏览 454赞 147时间 2023-05-09