數(shù)據(jù)挖掘主要會議

1、一流的：數(shù)據(jù)庫三大頂級會議SIGMOD , VLDB , ICDE，數(shù)據(jù)挖掘 KDD，實際相關(guān)的還有機(jī)器學(xué)習(xí) ICML,還有信息檢索的 SIGIR ；數(shù)據(jù)庫的理論會議 PODS，但它是理論的會議所以和咱們就 不大相關(guān)了二流的：EDBT，ICDT，CIKM，SDM，ICDM，PKDD，還有 ECML 歐洲的機(jī)器學(xué)習(xí)會議（這 個應(yīng)該是 1.5檔的，比一般的二流好），這些會也不好中，中了也會會覺得不一定爽，你可能覺得再以努力就上一流了，哈哈。還有一些會，俺就懶得列了！下面是很早以前 AI 版的一個帖子，寫得還不錯，看看吧，哈哈有些人的工作很原創(chuàng)， 每年總有一些很新穎的東西。有的人文章很多，但主要都是

2、 follow別人的工作.Database領(lǐng)域有不少 papermachine。有的地方，整個 group 就是一個大的 papermachine。個人感覺數(shù)據(jù)庫研究者傾向于把數(shù)據(jù)挖掘看作一個數(shù)據(jù)庫的子領(lǐng)域，因而對數(shù)據(jù)挖掘的會議 rati ng 較低。然而對其他背景的人而言，數(shù)據(jù)挖掘是相對獨(dú)立的一個新興領(lǐng)域，因而對其會 議 rati ng 比較高。SIGMOD : 97 分，數(shù)據(jù)庫的最高會議，涉及范圍廣泛，稍偏應(yīng)用（因為理論文章有PODS ）沒說的，景仰如滔滔江水。這個會議不僅是double-blind review，而且有 rebuttal procedure，可謂獨(dú)樹一幟，與眾不同。VLD

3、B : 95 分，非常好的數(shù)據(jù)庫會議。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，今年的rebuttal procedure其實并不怎么成功。投稿太多，很難做到每一篇都公平公正。很多rebuttal 沒人看。double-bli nd 是把雙刃劍。這幾年來每年都有人冒充牛人的風(fēng)格來投稿，有的還真進(jìn)去了。 反而 VLDB 的審稿質(zhì)量一直很高。每年的 VLDB 都有很理論的 paper。一般來說，我感覺大家還是認(rèn)為SIGMOD 要好那么一點(diǎn)點(diǎn)。根據(jù)我個人讀過的文章，也有這樣的工作。

4、革命尚未成功，同志仍需努力!的感覺。不過這個并不重要了，有差別也是那么一點(diǎn)。PODS : 95 分。是 數(shù)據(jù)庫理論的最好會議，也是一個很好的理論會議 ”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 Motwanigroup），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 SIGM OD，然而其中文章的質(zhì)量比較整齊，varianee 小于 SIGMOD （以及其他任何數(shù)據(jù)庫會議）。有一位牛人說： “ PODS never had a really bad paper，這是它值得驕

5、傲的地方。KDD: : full paper 95 分，poster/short paper 90分。數(shù)據(jù)挖掘的最高會議。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。我覺得我們可以這樣類比:KDD:SIGMOD=CRYPTO:STOC。回顧密碼學(xué)的歷史， 真正最牛的文章一般發(fā)在STOC/FOCS而非 CRYPTO/EUROCRYPT ，這和今天的數(shù)據(jù)挖掘何等類似！然而你看看今天的密碼學(xué)文章，已經(jīng)有 頂級的密碼學(xué)家（恕我不便寫岀名字）不再往 STOC/FOCS 投稿。我覺得同樣的事情在不久的 將來也會發(fā)生在數(shù)據(jù)挖掘中，讓我們拭目以待。這幾年來 KDD 的質(zhì)

6、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，實屬難能可貴。今年他們又拿了一個SIGMOD demo ，說明工作的確很扎實。聽說在很多地方，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一般來說，我感覺大家還是認(rèn)為SIGMOD 要好那么一點(diǎn)點(diǎn)。根

7、據(jù)我個人讀過的文章，也有這樣的工作。 革命尚未成功，同志仍需努力!錯ICDE : 92 分。很好的數(shù)據(jù)庫會議，也是一個大雜燴。好處是覆蓋面廣、包容性強(qiáng)，壞處是文章水平參差不齊。EDBT : 88 分，不錯的數(shù)據(jù)庫會議，錄取率很低然而歷史積累不足，影響還明顯不及ICDE。ICDT : 88 分，PODS 的歐洲版，數(shù)據(jù)庫理論第二會議。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 , ICDM，SDM，SSDBM，PKDD 等等都比以上的會議差一截。CIKM : 85 分。SDM : full paper 90 分，poster/short

8、 paper 85 分。SIAM 的數(shù)據(jù)挖掘會議， 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 diversified。ICDM : full paper 90 分，poster/short paper 85 分。IEEE 的數(shù)據(jù)挖掘會議，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（因為 poster/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。.c n/blog/more.asp

9、 ?n ame=zhao yon g04&id=24556IJCAI （1+）: AI 最好的綜合性會議，1969 年開始，每兩年開一次，奇數(shù)年開.因為 AI 實在太大，所以雖然每屆基本上能錄100 多篇（現(xiàn)在已經(jīng)到 200 多篇了），但分到每個領(lǐng)域就沒幾篇了，象 machine learning、computer vision 這么大的領(lǐng)域每次大概也就10 篇左右，所以難度很大不過從錄用率上來看倒不太低，基本上 20%左右，因為內(nèi)行人都會掂掂分 量，沒希望的就別浪費(fèi) reviewer 的時間了 .最近中國大陸投往國際會議的文章象潮水一樣 而且因為國內(nèi)很少有能自己把關(guān)的研究組，所以很多

10、會議都在 complain 說中國的低質(zhì)量文章嚴(yán)重妨礙了 PC 的工作效率在這種情況下，估計這幾年國際會議的錄用率都會降下去另外，以前的 IJCAI 是沒有 poster 的，03 年開始，為了減少被誤殺的好人，增加了 2 頁紙 的 poster.值得一提的是，IJCAI 是由貌似一個公司IJCAI Inc.主辦的（當(dāng)然實際上并不是 公司，實際上是個基金會）,每次會議上要 發(fā)幾個獎，其中最重要的兩個是 IJCAIResearch Excellenee Award和 Computer& Thoughts Award, 前者是終身成就獎，每次一個人，基本上是 AI 的最高獎（有趣的是，以

11、AI 為主業(yè)拿圖靈獎的 6 位中，有 2 位還沒得到 這個獎），后者是獎給 35 歲以下的青年科學(xué)家，每次一個人.這兩個獎的獲獎演說是每次IJCAI 的一個重頭戲.另外，IJCAI 的 PC member 相當(dāng)于其他會議的 area chair,權(quán)力很大，因為是由 PC member 去找 reviewer 來審，而不象一般會議的 PC member 其實就是 reviewer.為了制約這種權(quán)力，IJCAI 的審稿程序是每篇文章分配2 位 PCmember, primaryPC member 去找 3 位 reviewer, second PC member找一位.AAAI (1): 美國人工

12、智能學(xué)會 AAAI 的年會.是一個很好的會議，但其檔次不穩(wěn)定，可以給 到 1 + ,也可以給到 1-或者 2+，總的來說我給它1.這是因為它的開法完全受 IJCAI 制約: 每年開，但如果這一年的IJCAI 在北美舉行，那么就停開.所以，偶數(shù)年里因為沒有 IJCAI, 它就是最好的 AI 綜合性會議，但因為號召力畢竟比 IJCAI 要小一些，特別是歐洲人捧 AAAI 場的比 IJCAI 少得多(其實亞洲人也是),所以比IJCAI 還是要稍弱一點(diǎn)，基本上在 1 和 1 + 之間；在奇數(shù)年，如果 IJCAI 不在北美，AAAI 自然就變成了比 IJCAI 低一級的會議(1-或 2+), 例如 20

13、05 年既有 IJCAI 又有 AAAI,兩個會議就進(jìn)行了協(xié)調(diào)，使得IJCAI 的錄用通知時間比AAAI 的 deadline 早那么幾天，這樣 IJCAI 落選的文章可以投往 AAAI.在審稿時 IJCAI 的 PC chair 也在一直催，說大家一定要快，因為 AAAI 那邊一直在擔(dān)心 IJCAI 的錄用通知出晚了 AAAI 就麻煩了 .COLT (1):這是計算學(xué)習(xí)理論最好的會議，ACM 主辦，每年舉行.計算學(xué)習(xí)理論基本上可以看成理論計算機(jī)科學(xué)和機(jī)器學(xué)習(xí)的交叉，所以這個會被一些人看成是理論計算機(jī)科學(xué)的會而不是 AI 的會.我一個朋友用一句話對它進(jìn)行了精彩的刻畫:一小群數(shù)學(xué)家在開會.因為

14、COLT 的領(lǐng)域比較小，所以每年會議基本上都是那些人.這里順便提一件有趣的事，因為 最近國內(nèi)搞的會議太多太濫，而且很多會議都是 LNCS/LNAI 出論文集，LNCS/LNAI 基本上已 經(jīng)被搞臭了，但很不幸的是，LNCS/LNAI 中有一些很好的會議，例如 COLT.CVPR (1):計算機(jī)視覺和模式識別方面最好的會議之一，IEEE 主辦，每年舉行.雖然題目上有計算機(jī)視覺，但個人認(rèn)為它的模式識別味道更重一些.事實上它應(yīng)該是模式識別最好的會議，而在計算機(jī)視覺方面，還有 ICCV 與之相當(dāng).IEEE 直有個傾向，要把會辦成”盛 會,歷史上已經(jīng)有些會被它從quality 很好的會辦成”盛會” 了.

15、 CVPF 搞不好也要走這條路這幾年錄的文章已經(jīng)不少了 .最近負(fù)責(zé) CVPR 會議的 TC 的 chair 發(fā)信說,對這個 community 來說，讓好人被誤殺比被壞人漏網(wǎng)更糟糕，所以我們是不是要減少好人被誤殺的機(jī)會?。克晕夜烙嬅髂昊蛘吆竽甑腃VPR 就要擴(kuò)招了 .ICCV (1):介紹 CVPR 的時候說過了，計算機(jī)視覺方面最好的會之一 .IEEE 主辦.ICCV 逢奇 數(shù)年開，開會地點(diǎn)以往是北美， 歐洲和亞洲輪流， 本來 2003 年定在北京，后來因 Sars 和原 定 05 年的法國換了一下。ICCV07 年將首次在南美(巴西)舉行.CVPR 原則上每年在北美開，如果那年正好 ICC

16、V 在北美，則該年沒有 CVPR.ICML (1):機(jī)器學(xué)習(xí)方面最好的會議之一.現(xiàn)在是 IMLS 主辦，每年舉行.參見關(guān)于 NIPS的介紹.NIPS (1):神經(jīng)計算方面最好的會議之一，NIPS 主辦，每年舉行.值得注意的是，這個會每年的舉辦地都是一樣的，以前是美國丹佛，現(xiàn)在是加拿大溫哥華；而且它是年底開會，會開完后第2 年才出論文集，也就是說，NIPS05 的論文集是 06 年出.會議的名字是Advances in Neural Inxxxxation Processing Systems,所以，與 ICMLECM 這樣的標(biāo)準(zhǔn)的機(jī)器學(xué)習(xí)會議不同，NIPS 里有相當(dāng)一部分神經(jīng)科學(xué)的內(nèi)容，和機(jī)器

17、學(xué)習(xí)有一定的距離但由于會議的主體內(nèi)容是機(jī)器學(xué)習(xí)，或者說與機(jī)器學(xué)習(xí)關(guān)系緊密，所以不少人把 NIPS 看成是機(jī)器學(xué)習(xí)方面最好的會議之一這個會議基本上控制在MichaelJordan 的徒子徒孫手中,所以對 Jordan 系的人來說，發(fā) NIPS 并不是難事，一些未必很強(qiáng)的工作也能發(fā)上去，但對這個圈子之外的人來說，想發(fā)一篇實在很難，因為留給”外人”的口子很小.所以對 Jordan 系 以外的人來說，發(fā) NIPS 的難度比 ICML 更大.換句話說，ICML 比較開放，小圈子的影響不象 NIPS 那么大，所以北美和歐洲人都認(rèn)，而 NIPS 則有些人(特別是一些歐洲人，包括一些大 家)堅決不投稿這對會議

18、本身當(dāng)然并不是好事，但因為 Jordan 系很強(qiáng)大，所以它似乎也不太 care.最近 IMLS(國際機(jī)器學(xué)習(xí)學(xué)會)改選理事，有資格提名的人包括近三年在 ICMLECMLCOLt過文章的人，NIPS 則被排除在外了 無論如何，這是一個非常好的會ACL (1-):計算語言學(xué)/自然語言處理方面最好的會議，ACL (Association ofComputational Linguistics)主辦，每年開.KR(1-):知識表示和推理方面最好的會議之一，實際上也是傳統(tǒng) AI(即基于邏輯的 AI)最好的會議之一 KR Inc.主辦，現(xiàn)在是偶數(shù)年開SIGIR (1-): 信息檢索方面最好的會議，ACM

19、主辦，每年開這個會現(xiàn)在小圈子氣越來越重 信息檢索應(yīng)該不算 AI，不過因為這里面用到機(jī)器學(xué)習(xí)越來越多，最近幾年甚至有點(diǎn)機(jī)器學(xué)習(xí)應(yīng)用會議的味道了，所以把它也列進(jìn)來SIGKDD (1-):數(shù)據(jù)挖掘方面最好的會議，ACM 主辦，每年開這個會議歷史比較短，畢竟，與其他領(lǐng)域相比，數(shù)據(jù)挖掘還只是個小弟弟甚至小侄兒在幾年前還很難把它列在tier-1里面，一方面是名聲遠(yuǎn)不及其他的top conference 響亮，另一方面是相對容易被錄用但現(xiàn)在它被列在 tier-1應(yīng)該是毫無疑問的事情了這幾年來 KDD 的質(zhì)量都很高 SIGKDD 從2000 年來 full paper 的錄取率都在 10%-12%間，遠(yuǎn)遠(yuǎn)低于

20、 IJCAI 和 ICML.經(jīng)常聽人說，KDD 要比 IJICAI 和 ICML 都要困難。IJICAI 才 6 頁，而 KDD 要 10 頁。沒有扎 實系統(tǒng)的工作，很難不留下漏洞。有不少 IJICAI 的?？鸵裁磕甓纪?KDD 可難得幾個能經(jīng) 常中。UAI (1-):名字叫”人工智能中的不確定性，涉及表示推理學(xué)習(xí)等很多方面，AUAI(Association of UAI) 主辦，每年開.我知道的幾個人工智能會議(二三流)(原創(chuàng)為 lilybbs.us 上的 daniel)純屬個人看法，僅供參考 tier-1 的列得較全，tier-2的不太全，tier-3的很不全.同分的按字母序排列不很嚴(yán)謹(jǐn)?shù)?/p>

21、說，tier-1 是可以令人羨慕的，tier-2 是可以令人尊敬的，由于 AI 的相關(guān)會議非常多，所以能列進(jìn) tier-3的也是不錯的.tier 2: tier-2的會議列得不全，我熟悉的領(lǐng)域比較全一些AAMAS (2+): age nt 方面最好的會議但是現(xiàn)在 age nt 已經(jīng)是一個一般性的概念，幾乎所有 AI 有關(guān)的會議上都有這方面的內(nèi)容，所以 AAMASF 降的趨勢非常明顯.ECCV (2+):計算機(jī)視覺方面僅次于 ICCV 的會議，因為這個領(lǐng)域發(fā)展很快，有可能升級到 1-去.ECML (2+):機(jī)器學(xué)習(xí)方面僅次于 ICML的會議,歐洲人極力捧場,一些人認(rèn)為它已經(jīng)是 1- 了.我保守一

22、點(diǎn)，仍然把它放在 2+.因為機(jī)器學(xué)習(xí)發(fā)展很快，這個會議的 reputation 上升 非常明顯.ICDM (2+):數(shù)據(jù)挖掘方面僅次于 SIGKDD 的會議，目前和 SDM 相當(dāng).這個會只有 5 年歷史, 上升速度之快非常驚人.幾年前 ICDM 還比不上 PAKDD,現(xiàn)在已經(jīng)拉開很大距離了 .SDM (2+):數(shù)據(jù)挖掘方面僅次于 SIGKDD 的會議，目前和 ICDM 相當(dāng).SIAM 的底子很厚，但在 CS 里面的影響比 ACM 和 IEEE 還是要小，SDM 艮看著要被 ICDM 超過了，但至少目前還是相當(dāng) 的.ICAPS (2):人工智能規(guī)劃方面最好的會議，是由以前的國際和歐洲規(guī)劃會議合并

23、來的.因為這個領(lǐng)域逐漸變冷清，影響比以前已經(jīng)小了 .ICCBR(2): Case-Based Reasoning 方面最好的會議.因為領(lǐng)域不太大，而且一直半冷不熱，所以總是停留在 2 上.COLLING (2):計算語言學(xué)/自然語言處理方面僅次于ACL 的會，但與 ACL 的差距比ICCV-ECCV 和 ICML-ECML 大得多.ECAI (2):歐洲的人工智能綜合型會議，歷史很久，但因為有 IJCAI/AAAI 壓著，很難往上升.ALT (2-): 有點(diǎn)象 COLT 勺 tier-2 版，但因為搞計算學(xué)習(xí)理論的人沒多少，做得好的數(shù)來數(shù) 去就那么些group,基本上到 COLT 去了 ,所以

24、 ALT 里面有不少并非計算學(xué)習(xí)理論的內(nèi)容 .EMNLP (2-):計算語言學(xué)/自然語言處理方面一個不錯的會.有些人認(rèn)為與 COLLING 相當(dāng)，但我覺得它還是要弱一點(diǎn).ILP (2-):歸納邏輯程序設(shè)計方面最好的會議.但因為很多其他會議里都有ILP 方面的內(nèi)容,所以它只能保住 2-的位置了 .PKDD (2-):歐洲的數(shù)據(jù)挖掘會議，目前在數(shù)據(jù)挖掘會議里面排第4.歐洲人很想把它抬起來，所以這些年一直和 ECM 一起捆綁著開，希望能借 ECM 把它帶起來.但因為 ICDM 和 SDM, 這已經(jīng)不太可能了 .所以今年的 PKDD 和 ECML 雖然還是一起開，但已經(jīng)獨(dú)立審稿了(以前是 可以同時投兩個會，作者可以聲明優(yōu)先被哪個會考慮，如果 ECM 沖不了還可以被 PKDD 接tier 3:列得很不全.另外，因為 AI 的相關(guān)會議非常多，所以能列在 tier-3也算不錯了基本上能進(jìn)到所有 AI 會議中的前 30%P巴ACCV (3+):亞洲的計算機(jī)視覺會議，在亞太級別的會議里算很好的了DS (3+):日本人發(fā)起的一個接近數(shù)據(jù)挖掘的會議ECIR (3+):歐洲的信息檢索會議，前幾年還只是英國的信息檢索會議ICTAI (3+): IEEE 最主要的人工智能會議，偏應(yīng)用，是被 IEEE 辦爛的一個典型.以前的 quality 還是不錯的