數(shù)據(jù)庫(kù)和數(shù)據(jù)挖掘領(lǐng)域的會(huì)議和期刊

---

數(shù)據(jù)庫(kù)領(lǐng)域主要專注于數(shù)據(jù)庫(kù)系統(tǒng)和數(shù)據(jù)管理算法，而數(shù)據(jù)挖掘主要是專注于數(shù)據(jù)價(jià)值分析算法。 一、數(shù)據(jù)庫(kù)領(lǐng)域的主要會(huì)議 ======================== 數(shù)據(jù)庫(kù)領(lǐng)域的頂級(jí)會(huì)議SIGMOD、ICDE、VLDB，下面將對(duì)這三大會(huì)議進(jìn)行一下簡(jiǎn)單介紹。? SIGMOD ----------- 是Acm Special Interest Group on Management Of Data的簡(jiǎn)寫。 數(shù)據(jù)庫(kù)會(huì)議中最好的會(huì)議，也是最好的系統(tǒng)類的會(huì)議之一，在數(shù)據(jù)庫(kù)領(lǐng)域具有最高學(xué)術(shù)地位的國(guó)際性學(xué)術(shù)會(huì)議。其文章涉及范圍廣泛，稍偏應(yīng)用。這個(gè)會(huì)議不僅是double-blind review，而且有rebuttal procedure，可謂獨(dú)樹(shù)一幟，與眾不同。2007年6月11日至6月14日，第26屆ACM SIGMOD國(guó)際數(shù)據(jù)管理學(xué)術(shù)會(huì)議在北京國(guó)際會(huì)議中心舉行。 The is concerned with the principles, techniques and applications of database management systems and data management technology. Our members include software developers, academic and industrial researchers, practitioners, users, and students. SIGMOD sponsors the annual SIGMOD/PODS conference, one of the most important and selective in the field.? VLDB ---------- 是Very Large Data Bases的縮寫。 95分的數(shù)據(jù)庫(kù)會(huì)議。與SIGMOD類似，涉及范圍廣泛，稍偏應(yīng)用。從文章的質(zhì)量來(lái)說(shuō)，SIGMOD和VLDB難分伯仲，沒(méi)有說(shuō)誰(shuí)比誰(shuí)更高。他們的范圍也幾乎一樣。反而VLDB的審稿質(zhì)量一直很高。每年的VLDB都有很理論的paper。2014年，數(shù)據(jù)庫(kù)領(lǐng)域著名國(guó)際會(huì)議VLDB首次在中國(guó)杭州舉行。 VLDB is an annual conference held by the non-profit Very Large Data Base Endowment Inc. The mission of VLDB is to promote and exchange scholarly work in databases and related fields throughout the world. The VLDB conference began in 1975 and is now closely associated with SIGMOD and SIGKDD.? 歐洲的數(shù)據(jù)庫(kù)會(huì)議，也已經(jīng)有30年的歷史。舉辦地基本上按照一年歐洲，次年其他洲輪換的規(guī)律。它是唯一能接近SIGMOD的會(huì)議,一般被認(rèn)為和SIGMOD同樣受尊重。它的PC比較diversified一點(diǎn)，另外錄取文章的時(shí)候可能會(huì)考慮一點(diǎn)地域平衡。因此對(duì)于美國(guó)的投稿甚至有可能感覺(jué)比SIGMOD還難進(jìn)。在這個(gè)會(huì)議上也能見(jiàn)到更多的來(lái)自美國(guó)以外的文章。? ICDE --------- 是IEEE International Conference on Data Engineering的簡(jiǎn)寫。 92分的數(shù)據(jù)庫(kù)會(huì)議，是數(shù)據(jù)和數(shù)據(jù)庫(kù)領(lǐng)域的頂級(jí)會(huì)議。也是一個(gè)大雜燴，好處是覆蓋面廣、包容性強(qiáng)，壞處是文章水平參差不齊。 IEEE的數(shù)據(jù)庫(kù)會(huì)議。IEEE的會(huì)議一般都比ACM對(duì)應(yīng)會(huì)議差一些，ICDE也不例外。一般被認(rèn)為明顯比SIGMOD/VLDB差一個(gè)檔次，但又明顯比其他的數(shù)據(jù)庫(kù)會(huì)議高一個(gè)檔次。? PODS -------- 是Principles Of Database Systems的簡(jiǎn)寫。 數(shù)據(jù)庫(kù)理論的最好會(huì)議。95分的數(shù)據(jù)庫(kù)會(huì)議。每年總是和SIGMOD在同一地點(diǎn)舉辦。 其中算法背景的人占主流（你可以數(shù)數(shù)PODS文章中有多少來(lái)自Motwani group），也有一部分AI背景的人（畢竟SIGART也是主辦者之一）。它的影響力遠(yuǎn)不及SIGMOD，然而其中文章的質(zhì)量比較整齊，variance小于SIGMOD（以及其他任何數(shù)據(jù)庫(kù)會(huì)議）。有一位牛人說(shuō)：“PODS never had a really bad paper，”這是它值得驕傲的地方。 The?ACM Symposium on Principles of Database Systems?(PODS) is an international research conference on?database theory, and has been held yearly since 1982. It is sponsored by three?Association for Computing Machinery?SIGs,?SIGART,?SIGACT, and?SIGMOD. Since 1991, PODS has been held jointly with the?ACM SIGMOD Conference, a research conference on systems aspects of data management. 二、數(shù)據(jù)挖掘領(lǐng)域的主要會(huì)議 ========================= 一流的： 數(shù)據(jù)挖掘SIGKDD 機(jī)器學(xué)習(xí)ICML 信息檢索SIGIR 二流的： EDBT ICDT CIKM SDM ICDM PKDD， 還有ECML歐洲的機(jī)器學(xué)習(xí)會(huì)議（這個(gè)應(yīng)該是1.5檔的，比一般的二流好） SIGKDD ---------- 是ACM SIGKDD Conference on Knowledge Discovery and Data Mining的簡(jiǎn)寫。 full paper 95分，poster/short paper 90分。數(shù)據(jù)挖掘的最高會(huì)議。由于歷史積累不足以及領(lǐng)域圈子較小，勿用諱言KDD目前比SIGMOD尚有所不如。 這幾年來(lái)KDD的質(zhì)量都很高。其full paper的質(zhì)量高于SIGMOD/VLDB中數(shù)據(jù)挖掘方面的paper的質(zhì)量。原因是SIGMOD/VLDB審稿人中數(shù)據(jù)挖掘的人很少，審稿標(biāo)準(zhǔn)不一定能掌握得很好。 這幾年好幾篇SIGMOD/VLDB的數(shù)據(jù)挖掘paper都follow一些KDD的paper。而在KDD，要拿一篇full paper真難。去年復(fù)旦拿了一篇，實(shí)屬難能可貴。今年他們又拿了一個(gè)SIGMOD demo，說(shuō)明工作的確很扎實(shí)。 聽(tīng)說(shuō)在很多地方，如果能有一篇SIGMOD/VLDB/KDD，就能博士畢業(yè)，能有兩篇就能找到不錯(cuò)的工作。 ICML ------- The?International Conference on Machine Learning?(ICML) is the leading international?academic conference?in?machine learning. Along with?NIPS, it is one of the two primary conferences of high impact in?Machine Learning?and?Artificial Intelligence?research. It is supported by the?International Machine Learning Society?(IMLS). SIGIR --------- SIGIR?is the?Association for Computing Machinery's?Special Interest Group on Information Retrieval. EDBT ------- 88分，不錯(cuò)的數(shù)據(jù)庫(kù)會(huì)議，錄取率很低然而歷史積累不足。 ICDT ------- 88分，PODS的歐洲版，數(shù)據(jù)庫(kù)理論第二會(huì)議。 和SIGMOD/VLDB一樣，ICDE和EDBT在質(zhì)量和影響上都不相上下。 其它的如CIKM，SDM，ICDM，PKDD等等都比以上的會(huì)議差一截。 CIKM -------- 85分。 SDM --------- full paper 90分，poster/short paper 85分。SDM的數(shù)據(jù)挖掘會(huì)議，與ICDM并列為數(shù)據(jù)挖掘領(lǐng)域的第二位，比KDD有明顯差距。好像其中統(tǒng)計(jì)背景的人比較多，也有一部分機(jī)器學(xué)習(xí)背景的人，比較iversified。 ICDM ---------- full paper 90分，poster/short paper 85分。IEEE的數(shù)據(jù)挖掘會(huì)議，與SDM并列為數(shù)據(jù)挖掘領(lǐng)域的第二位，比KDD有明顯差距。 PKDD --------- 83分（因?yàn)閜oster/short paper數(shù)量很少，所以不予區(qū)分）。好像是KDD的歐洲版，但與KDD差距很大。 三、與數(shù)據(jù)挖掘有關(guān)的主要國(guó)際期刊 ============================== DMKD (DAMI): Data Mining and Knowledge Discovery TKDE: IEEE Transaction on Knowledge and Data Engineering TKDD: ACM Transaction on KDD SIGKDD Explorations

轉(zhuǎn)載于:https://www.cnblogs.com/zhangzl419/p/7018591.html

總結(jié)

以上是生活随笔為你收集整理的数据库和数据挖掘领域的会议和期刊的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。