电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

数据挖掘主要会议VIP免费

数据挖掘主要会议_第1页
1/8
数据挖掘主要会议_第2页
2/8
数据挖掘主要会议_第3页
3/8
第1页共8页编号:时间:2021年x月x日书山有路勤为径,学海无涯苦作舟页码:第1页共8页一流的:数据库三大顶级会议SIGMOD,VLDB,ICDE,数据挖掘KDD,实际相关的还有机器学习ICML,还有信息检索的SIGIR;数据库的理论会议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),这些会也不好中,中了也会会觉得不一定爽,你可能觉得再以努力就上一流了,哈哈。还有一些会,俺就懒得列了!下面是很早以前AI版的一个帖子,写得还不错,看看吧,哈哈————————————————————————————————————有些人的工作很原创,每年总有一些很新颖的东西。有的人文章很多,但主要都是follow别人的工作。Database领域有不少papermachine。有的地方,整个group就是一个大的papermachine。个人感觉数据库研究者倾向于把数据挖掘看作一个数据库的子领域,因而对数据挖掘的会议rating较低。然而对其他背景的人而言,数据挖掘是相对独立的一个新兴领域,因而对其会议rating比较高。SIGMOD:97分,数据库的最高会议,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-blindreview,而且有rebuttalprocedure,可谓独树一帜,与众不同。VLDB:95分,非常好的数据库会议。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rebuttalprocedure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。第2页共8页第1页共8页编号:时间:2021年x月x日书山有路勤为径,学海无涯苦作舟页码:第2页共8页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“数据库理论的最好会议,也是一个很好的理论会议”。每年总是co-locatedwithSIGMOD。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Motwanigroup),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(以及其他任何数据库会议)。有一位牛人说:“PODSneverhadareallybadpaper,”这是它值得骄傲的地方。KDD::fullpaper95分,poster/shortpaper90分。数据挖掘的最高会议。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。回顾密码学的历史,真正最牛的文章一般发在STOC/FOCS而非CRYPTO/EUROCRYPT,这和今天的数据挖掘何等类似!然而你看看今天的密码学文章,已经有顶级的密码学家(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数据挖掘中,让我们拭目以待。第3页共8页第2页共8页编号:时间:2021年x月x日书山有路勤为径,学海无涯苦作舟页码:第3页共8页这几年来KDD的质量都很高。其fullpaper的质量高于SIGMOD/VLDB中数据挖掘方面的paper的质量。原因是SIGMOD/VLDB审稿人中数据挖掘的人很少,审稿标准不一定能掌握得很好。这几年好几篇SIGMOD/VLDB的数据挖掘paper都follow一些KDD的paper。而在KDD,要拿一篇fullpaper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SIGMODdemo,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,就能博士毕业,能有两篇就能找到不错的工作。“革命尚未成功,同志仍需努力!”ICDE:92分。很好的数据库会议,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,不错的数据库会议,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...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

数据挖掘主要会议

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部