Journals

數(shù)據(jù)挖掘頂級(jí)期刊

IEEETKDE(IEEE Transactions on Knowledge and Data Engineering)http://www.ieee.org/organizations/pubs/transactions/tkde.htm

ACMTKDD(ACM Transactions on Knowledge Discovery from Data)http://tkdd.cs.uiuc.edu/

ACM TOIS(ACM Transactions on Information Systems)?http://www.acm.org/pubs/tois/

ACM TIST(ACM Transactions on Intelligent Syetems and Technology)

IEEE TNN(IEEE Transaction on Neural Networks)

機(jī)器學(xué)習(xí)頂級(jí)期刊

JMLR

TPAMI, IJCV，MLJ

Conferences

匯總

數(shù)據(jù)庫三大頂級(jí)會(huì)議

數(shù)據(jù)挖掘三大頂級(jí)會(huì)議

人工智能(+數(shù)據(jù)挖掘/計(jì)算機(jī)視覺/...) 國(guó)際頂級(jí)會(huì)議

① IJCAI ：人工智能領(lǐng)域頂級(jí)國(guó)際會(huì)議

② AAAI：美國(guó)人工智能學(xué)會(huì)AAAI的年會(huì)

③ PRICAI：亞太人工智能國(guó)際會(huì)議

機(jī)器學(xué)習(xí)國(guó)際頂級(jí)會(huì)議

① ICML：機(jī)器學(xué)習(xí)、模式識(shí)別領(lǐng)域頂級(jí)國(guó)際會(huì)議(綜合)

② NIPS：神經(jīng)計(jì)算，機(jī)器學(xué)習(xí)領(lǐng)域頂級(jí)國(guó)際會(huì)議(綜合)

③ COLT：機(jī)器學(xué)習(xí)領(lǐng)域頂級(jí)國(guó)際會(huì)議(計(jì)算學(xué)習(xí)理論，理論計(jì)算機(jī)科學(xué)與機(jī)器學(xué)習(xí)的交叉)

計(jì)算機(jī)視覺頂級(jí)會(huì)議

① ICCV：兩年一次，計(jì)算機(jī)視覺，模式識(shí)別，多媒體計(jì)算領(lǐng)域頂級(jí)會(huì)議

② CVPR：計(jì)算機(jī)視覺，模式識(shí)別，多媒體計(jì)算領(lǐng)域頂級(jí)會(huì)議

③?ECCV：兩年一次，計(jì)算機(jī)視覺，模式識(shí)別，多媒體計(jì)算領(lǐng)域頂級(jí)會(huì)議

一流會(huì)議：

數(shù)據(jù)庫三大頂級(jí)會(huì)議 —— SIGMOD，VLDB，ICDE① SIGMOD：97分，數(shù)據(jù)庫的最高會(huì)議，涉及范圍廣泛，稍偏應(yīng)用(理論文章看PODS)。沒說的，景仰如滔滔江水。這個(gè)會(huì)議不僅是double-blind review，而且有rebuttal procedure，可謂獨(dú)樹一幟，與眾不同。

② VLDB：95分，非常好的數(shù)據(jù)庫會(huì)議。與SIGMOD類似，涉及范圍廣泛，稍偏應(yīng)用。

從文章的質(zhì)量來說，SIGMOD和VLDB難分伯仲，沒有說誰比誰更高。他們的范圍也幾乎一樣。不少牛人都認(rèn)為，2011年的rebuttal procedure其實(shí)并不怎么成功。投稿太多，很難做到每一篇都公平公正。很多rebuttal沒人看。

數(shù)據(jù)庫理論會(huì)議 —— PODS95分。是“數(shù)據(jù)庫理論的最好會(huì)議，也是一個(gè)很好的理論會(huì)議”。每年總是co-located with SIGMOD。感覺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)庫會(huì)議)。有一位牛人說：“PODS never had a really bad paper，”這是它值得驕傲的地方。

數(shù)據(jù)挖掘 三大頂級(jí)國(guó)際會(huì)議—— KDD(CFFA類)，ICDM(CFFB類)，SDM(CFFB類)頂級(jí)：KDD? full paper 95分，poster/short paper 90分。

ACMKnowledge Discovery and Data Mining，數(shù)據(jù)挖掘的最高會(huì)議，每年開SIGKDD是美國(guó)計(jì)算機(jī)學(xué)會(huì)ACM旗下數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的專業(yè)組織，KDD的英文全稱就是KnowledgeDiscovery and Data Mining。SIGKDD每年主辦的KDD大會(huì)，是該領(lǐng)域的最高學(xué)術(shù)會(huì)議。

并列第二：

ICDM(CFFB類): IEEE International Conference on Data Mining

唯一實(shí)行論文盲審的會(huì)議，每年都會(huì)吸引大量學(xué)者參會(huì)。

并列第二：

SDM(CFFB類): SIAMInternational Conference on Data Mining

底子很厚,但在CS里面的影響比ACM和IEEE還是要小

機(jī)器學(xué)習(xí)頂級(jí)會(huì)議 —— ICML

信息檢索、知識(shí)管理 —— ACM SIGIR，CIKM(CFFB類)CIKM：International Conference on Information and Knowledge Management

國(guó)際信息和知識(shí)管理會(huì)議

信息檢索、知識(shí)管理和數(shù)據(jù)庫領(lǐng)域中頂級(jí)的ACM會(huì)議

應(yīng)用和媒體領(lǐng)域頂級(jí)國(guó)際會(huì)議 —— WWW

二流會(huì)議：

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)

智能信息處理——ICIIP(IFIP智能信息處理國(guó)際會(huì)議)

Online Resources

A google co-op search engine for Data Mining

Data Mining, University of Houston

Data Mining Program, University of Central Floridahttp://dms.stat.ucf.edu/

Data Mining, MIT OCW

KDD oral presentations videohttp://www.videolectures.net

Tools

總結(jié)

以上是生活随笔為你收集整理的数据挖掘 顶级期刊_数据挖掘顶级期刊与会议的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

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