Data Mining And Knowledge DiscoverySCIE
國際簡稱：DATA MIN KNOWL DISC 參考譯名：數(shù)據(jù)挖掘和知識發(fā)現(xiàn)
- 基本信息：
- ISSN：1384-5810
- E-ISSN：1573-756X
- 是否OA：未開放
- 是否預(yù)警：否
- TOP期刊：否
- 出版信息：
- 出版地區(qū)：NETHERLANDS
- 出版商：Springer US
- 出版語言：English
- 出版周期：Bimonthly
- 出版年份：1997
- 研究方向：工程技術(shù)-計算機(jī)：人工智能
- 評價信息：
- 影響因子：2.8
- H-index：87
- CiteScore指數(shù)：10.4
- SJR指數(shù)：1.813
- SNIP指數(shù)：2.784
- 發(fā)文數(shù)據(jù)：
- Gold OA文章占比：44.96%
- 研究類文章占比：98.86%
- 年發(fā)文量：88
- 自引率：0.0416...
- 開源占比：0.4125
- 出版撤稿占比：0
- 出版國人文章占比：0.08
- OA被引用占比：0.1533...
英文簡介Data Mining And Knowledge Discovery期刊介紹
Advances in data gathering, storage, and distribution have created a need for computational tools and techniques to aid in data analysis. Data Mining and Knowledge Discovery in Databases (KDD) is a rapidly growing area of research and application that builds on techniques and theories from many fields, including statistics, databases, pattern recognition and learning, data visualization, uncertainty modelling, data warehousing and OLAP, optimization, and high performance computing.
期刊簡介Data Mining And Knowledge Discovery期刊介紹
《Data Mining And Knowledge Discovery》自1997出版以來，是一本計算機(jī)科學(xué)優(yōu)秀雜志。致力于發(fā)表原創(chuàng)科學(xué)研究結(jié)果，并為計算機(jī)科學(xué)各個領(lǐng)域的原創(chuàng)研究提供一個展示平臺，以促進(jìn)計算機(jī)科學(xué)領(lǐng)域的的進(jìn)步。該刊鼓勵先進(jìn)的、清晰的闡述，從廣泛的視角提供當(dāng)前感興趣的研究主題的新見解，或?qū)彶槎嗄陙砟硞€重要領(lǐng)域的所有重要發(fā)展。該期刊特色在于及時報道計算機(jī)科學(xué)領(lǐng)域的最新進(jìn)展和新發(fā)現(xiàn)新突破等。該刊近一年未被列入預(yù)警期刊名單，目前已被權(quán)威數(shù)據(jù)庫SCIE收錄，得到了廣泛的認(rèn)可。
該期刊投稿重要關(guān)注點：
- 預(yù)計審稿時間： 約6.0個月
- 計算機(jī)科學(xué)
- COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
- SCIE
- 中科院3區(qū)
- 非預(yù)警
Cite Score數(shù)據(jù)（2024年最新版）Data Mining And Knowledge Discovery Cite Score數(shù)據(jù)
- CiteScore：10.4
- SJR：1.813
- SNIP：2.784
| 學(xué)科類別 | 分區(qū) | 排名 | 百分位 |
| 大類：Computer Science 小類：Computer Networks and Communications | Q1 | 40 / 395 |
90% |
| 大類：Computer Science 小類：Computer Science Applications | Q1 | 93 / 817 |
88% |
| 大類：Computer Science 小類：Information Systems | Q1 | 52 / 394 |
86% |
CiteScore 是由Elsevier(愛思唯爾)推出的另一種評價期刊影響力的文獻(xiàn)計量指標(biāo)。反映出一家期刊近期發(fā)表論文的年篇均引用次數(shù)。CiteScore以Scopus數(shù)據(jù)庫中收集的引文為基礎(chǔ)，針對的是前四年發(fā)表的論文的引文。CiteScore的意義在于，它可以為學(xué)術(shù)界提供一種新的、更全面、更客觀地評價期刊影響力的方法，而不僅僅是通過影響因子(IF)這一單一指標(biāo)來評價。
中科院SCI分區(qū)Data Mining And Knowledge Discovery 中科院分區(qū)
| 大類學(xué)科 | 分區(qū) | 小類學(xué)科 | 分區(qū) |
| 計算機(jī)科學(xué) | 3區(qū) | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機(jī)：人工智能 COMPUTER SCIENCE, INFORMATION SYSTEMS 計算機(jī)：信息系統(tǒng) | 3區(qū) 3區(qū) |
中科院分區(qū)表 是以客觀數(shù)據(jù)為基礎(chǔ)，運用科學(xué)計量學(xué)方法對國際、國內(nèi)學(xué)術(shù)期刊依據(jù)影響力進(jìn)行等級劃分的期刊評價標(biāo)準(zhǔn)。它為我國科研、教育機(jī)構(gòu)的管理人員、科研工作者提供了一份評價國際學(xué)術(shù)期刊影響力的參考數(shù)據(jù)，得到了全國各地高校、科研機(jī)構(gòu)的廣泛認(rèn)可。
中科院分區(qū)表 將所有期刊按照一定指標(biāo)劃分為1區(qū)、2區(qū)、3區(qū)、4區(qū)四個層次，類似于“優(yōu)、良、及格”等。最開始，這個分區(qū)只是為了方便圖書管理及圖書情報領(lǐng)域的研究和期刊評估。之后中科院分區(qū)逐步發(fā)展成為了一種評價學(xué)術(shù)期刊質(zhì)量的重要工具。
JCR分區(qū)Data Mining And Knowledge Discovery JCR分區(qū)
| 按JIF指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q2 | 98 / 197 |
50.5% |
| 學(xué)科：COMPUTER SCIENCE, INFORMATION SYSTEMS | SCIE | Q2 | 105 / 249 |
58% |
| 按JCI指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學(xué)科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q2 | 66 / 198 |
66.92% |
| 學(xué)科：COMPUTER SCIENCE, INFORMATION SYSTEMS | SCIE | Q2 | 97 / 251 |
61.55% |
JCR分區(qū)的優(yōu)勢在于它可以幫助讀者對學(xué)術(shù)文獻(xiàn)質(zhì)量進(jìn)行評估。不同學(xué)科的文章引用量可能存在較大的差異，此時單獨依靠影響因子(IF)評價期刊的質(zhì)量可能是存在一定問題的。因此，JCR將期刊按照學(xué)科門類和影響因子分為不同的分區(qū)，這樣讀者可以根據(jù)自己的研究領(lǐng)域和需求選擇合適的期刊。
發(fā)文數(shù)據(jù)
- 國家/地區(qū)數(shù)量
- USA58
- France25
- Australia24
- CHINA MAINLAND24
- Belgium18
- England16
- GERMANY (FED REP GER)15
- Italy13
- Brazil12
- Finland8
本刊中國學(xué)者近年發(fā)表論文
-
1、Category tree distance: a taxonomy-based transaction distance for web user analysis
Author: Zhang, Yinjia; Zhao, Qinpei; Shi, Yang; Li, Jiangfeng; Rao, Weixiong
Journal: DATA MINING AND KNOWLEDGE DISCOVERY. 2023; Vol. 37, Issue 1, pp. 39-66. DOI: 10.1007/s10618-022-00874-9
-
2、ContE: contextualized knowledge graph embedding for circular relations
Author: Ma, Ting; Li, Mingming; Lv, Shangwen; Zhu, Fuqing; Huang, Longtao; Hu, Songlin
Journal: DATA MINING AND KNOWLEDGE DISCOVERY. 2023; Vol. 37, Issue 1, pp. 110-135. DOI: 10.1007/s10618-022-00851-2
-
3、Differentiated matching for individual and average treatment effect estimation
Author: Zhao Ziyu; Kuang, Kun; Li, Bo; Cui, Peng; Wu, Runze; Xiao, Jun; Wu, Fei
Journal: DATA MINING AND KNOWLEDGE DISCOVERY. 2023; Vol. 37, Issue 1, pp. 205-227. DOI: 10.1007/s10618-022-00886-5
-
4、Improving embedded knowledge graph multi-hop question answering by introducing relational chain reasoning
Author: Jin, Weiqiang; Zhao, Biao; Yu, Hang; Tao, Xi; Yin, Ruiping; Liu, Guizhong
Journal: DATA MINING AND KNOWLEDGE DISCOVERY. 2023; Vol. 37, Issue 1, pp. 255-288. DOI: 10.1007/s10618-022-00891-8
-
5、Using differential evolution for an attribute-weighted inverted specific-class distance measure for nominal attributes
Author: Gong, Fang; Guo, Xingfeng; Wang, Dianhong
Journal: DATA MINING AND KNOWLEDGE DISCOVERY. 2023; Vol. 37, Issue 1, pp. 409-433. DOI: 10.1007/s10618-022-00881-w
-
6、HARPA: hierarchical attention with relation paths for knowledge graph embedding adversarial learning
Author: Zhang, Naixin; Wang, Jinmeng; He, Jieyue
Journal: DATA MINING AND KNOWLEDGE DISCOVERY. 2023; Vol. 37, Issue 2, pp. 521-551. DOI: 10.1007/s10618-022-00888-3
-
7、Residual projection for quantile regression in vertically partitioned big data
Author: Fan, Ye; Li, Jr-Shin; Lin, Nan
Journal: DATA MINING AND KNOWLEDGE DISCOVERY. 2023; Vol. 37, Issue 2, pp. 710-735. DOI: 10.1007/s10618-022-00914-4
-
8、BDRI: block decomposition based on relational interaction for knowledge graph completion
Author: Yu, Mei; Guo, Jiujiang; Yu, Jian; Xu, Tianyi; Zhao, Mankun; Liu, Hongwei; Li, Xuewei; Yu, Ruiguo
Journal: DATA MINING AND KNOWLEDGE DISCOVERY. 2023; Vol. 37, Issue 2, pp. 767-787. DOI: 10.1007/s10618-023-00918-8
投稿常見問題
-
請問這本期刊屬于什么級別呢？可用于職稱評定嗎？
一般刊物只分省級、部級、核心，期刊本身是沒有幾類劃分的，具體是幾類或者幾級，您可以對照單位的分類文件確認(rèn)一下。Data Mining And Knowledge Discovery雜志是由Springer US出版的一本SCIE，可用于職稱評定。
-
你們能夠提供哪些核心期刊的咨詢服務(wù)？
大多數(shù)核心期刊我們都是可以提供咨詢服務(wù)的。目前核心期刊主要分為以下幾類：1.國內(nèi)核心：按照權(quán)威度排序，社科類：南大核心>南大擴(kuò)展>北大核心>科技核心 按照權(quán)威度排序。工科類：CSCD C庫>CSCD E庫（相當(dāng)于CSCD擴(kuò)展）>北大核心>科技核心。2.國外核心（全英文）：按照權(quán)威度排序為：SSCI=SCI>EI>ISTP=CPCI。
-
想快速發(fā)表，可以加急嗎？
為了確保您的職稱評定順利進(jìn)行，我們建議提前半年到一年開始準(zhǔn)備，這樣能夠保證有充足的時間來處理所有相關(guān)事宜。如果客戶需要加急服務(wù)，我們會與雜志社進(jìn)行溝通，以確定是否可以提供加急服務(wù)。請注意，如果確認(rèn)可以加急，可能會收取一定的加急費用。
-
你們提供的服務(wù)可以確保稿件被發(fā)表嗎？
期刊編輯會綜合考慮多個因素，如發(fā)表范圍、學(xué)術(shù)價值和原創(chuàng)性等，對稿件進(jìn)行綜合評估。盡管任何機(jī)構(gòu)均無法保證每篇稿件都會被發(fā)表，但我們可以用專業(yè)知識和豐富經(jīng)驗，協(xié)助您理解并遵循期刊的發(fā)表要求，從而提高您的稿件被發(fā)表的機(jī)率。
-
請問期刊發(fā)表的費用如何？
期刊發(fā)表的費用因期刊不同而異。根據(jù)您的需求，我們會為您推薦性價比最高的期刊，并提供專業(yè)的期刊供您選擇。一般來說，只要符合職稱要求，大多數(shù)作者都會選擇性價比最高的期刊作為意向期刊進(jìn)行重點咨詢。我們會為您提供詳細(xì)的期刊信息和費用說明，以確保您能夠做出明智的選擇。
-
如果稿件被拒，未能成功發(fā)表，費用是否可以退還？
一般來說，我們推薦的期刊和您的專業(yè)方向、文章情況都是匹配的，極少出現(xiàn)稿件被拒的情況。如果稿件被拒，期刊編輯會提供詳細(xì)的拒稿信和建議，以幫助您了解拒稿原因并改進(jìn)您的稿件。關(guān)于退款政策，具體情況可能因期刊不同而異，請您咨詢我們的工作人員以獲取詳細(xì)信息。
相關(guān)期刊推薦
-
International Journal Of Automation And Computing
中科院 4區(qū) JCR Q2
大類：計算機(jī)科學(xué)
-
Ieee Transactions On Computational Social Systems
中科院 2區(qū) JCR Q1
大類：計算機(jī)科學(xué)
-
Visual Informatics
中科院 3區(qū) JCR Q1
大類：計算機(jī)科學(xué)
-
Ieee Transactions On Green Communications And Networking
中科院 2區(qū) JCR Q1
大類：計算機(jī)科學(xué)
-
Journal Of Intelligent & Fuzzy Systems
中科院 4區(qū) JCR Q3
大類：計算機(jī)科學(xué)
-
Visual Computing For Industry, Biomedicine, And Art
中科院 4區(qū) JCR
大類：計算機(jī)科學(xué)
熱門期刊推薦
-
Engineering Applications Of Artificial Intelligence
中科院 2區(qū) JCR Q1
-
Ieee Transactions On Emerging Topics In Computational Intelligence
中科院 3區(qū) JCR Q1
-
Applied Soft Computing
中科院 1區(qū) JCR Q1
-
Ieee Transactions On Computational Social Systems
中科院 2區(qū) JCR Q1
-
Signal Image And Video Processing
中科院 4區(qū) JCR Q3
-
International Journal Of Human-computer Interaction
中科院 3區(qū) JCR Q1
-
Journal Of Industrial Information Integration
中科院 1區(qū) JCR Q1
-
Optimal Control Applications & Methods
中科院 4區(qū) JCR Q1