第18卷第8期
2024年9月
ACM数据知识发现事务(TKDD)欢迎发表论文,对各种形式的数据进行知识发现和分析方面的全面研究。这些主题包括:可扩展且有效的数据挖掘和数据仓库算法、数据流挖掘、多媒体数据挖掘、高维数据挖掘、文本、Web和半结构化数据挖掘、时空数据挖掘、社区生成数据挖掘、社交网络分析和图结构数据,数据挖掘中的安全和隐私问题,可视化、交互式和在线数据挖掘,数据挖掘的预处理和后处理,健壮和可扩展的统计方法,数据挖掘语言,数据挖掘基础,KDD框架和过程,以及利用数据挖掘技术的新型应用程序和基础设施。TKDD鼓励在大型分布式计算机网络、并行或多处理计算机或新数据设备的背景下研究上述主题的论文。TKDD还鼓励撰写描述当前数据挖掘技术无法满足的新兴数据挖掘应用程序的论文。
双重匿名同行评审
ACM更新同行评审政策
ACM很高兴地宣布,其出版物委员会已批准更新同行评审政策。如果您对更新有任何疑问,请联系常见问题解答讨论机密性、同行评审过程中大型语言模型的使用、利益冲突以及其他一些相关问题。如果有任何问题未在常见问题解答中解决,请联系ACM的出版总监斯科特·德尔曼.
ACM关于作者身份的新政策ACM有一个新的作者政策,涵盖了一系列关键主题,包括生成性人工智能工具的使用。请熟悉新政策和相关列表常见问题.
田纳西理工大学,美国田纳西州库克维尔
复旦大学计算机学院智能信息处理上海重点实验室,中国上海
腾讯人工智能实验室,中国深圳
同济大学计算机科学与技术系,中国上海
澳大利亚昆士兰图文巴南昆士兰大学
复旦大学计算机学院上海智能信息处理重点实验室,中国上海
第2卷第3期
第3卷第2期
2024年4月-6月
第56卷第12期
2024年12月
第5卷第3期
第3卷第3期
第36卷第3期
我们正在准备下载您的搜索结果。。。
文件准备好后,我们会在这里通知您。
您的搜索结果引用文件现已准备就绪。
您的搜索导出查询已过期。请再试一次。