当前位置：首页 SCI 期刊计算机科学 Acm Transactions On Knowledge Discovery From Data(非官网)

Acm Transactions On Knowledge Discovery From DataSCIE

国际简称：ACM T KNOWL DISCOV D 参考译名：从数据中发现知识的 Acm 交易

中科院分区
3区
CiteScore分区
Q1
JCR分区
Q1

基本信息：: ISSN：1556-4681; E-ISSN：1556-472X; 是否OA：未开放; 是否预警：否; TOP期刊：否

出版信息：: 出版地区：UNITED STATES; 出版商：Association for Computing Machinery (ACM); 出版语言：English; 出版周期：4 issues/year; 出版年份：2006; 研究方向：COMPUTER SCIENCE, INFORMATION SYSTEMS-COMPUTER SCIENCE, SOFTWARE ENGINEERING

评价信息：: 影响因子：4; H-index：44; CiteScore指数：6.7; SJR指数：1.303; SNIP指数：1.733

发文数据：: Gold OA文章占比：2.15%; 研究类文章占比：98.33%; 年发文量：120; 自引率：0.0555...; 开源占比：0.0061; 出版撤稿占比：0; 出版国人文章占比：0.27; OA被引用占比：0

投稿咨询加急见刊

英文简介期刊介绍 CiteScore数据中科院SCI分区 JCR分区发文数据常见问题

英文简介Acm Transactions On Knowledge Discovery From Data期刊介绍

TKDD welcomes papers on a full range of research in the knowledge discovery and analysis of diverse forms of data. Such subjects include, but are not limited to: scalable and effective algorithms for data mining and big data analysis, mining brain networks, mining data streams, mining multi-media data, mining high-dimensional data, mining text, Web, and semi-structured data, mining spatial and temporal data, data mining for community generation, social network analysis, and graph structured data, security and privacy issues in data mining, visual, interactive and online data mining, pre-processing and post-processing for data mining, robust and scalable statistical methods, data mining languages, foundations of data mining, KDD framework and process, and novel applications and infrastructures exploiting data mining technology including massively parallel processing and cloud computing platforms. TKDD encourages papers that explore the above subjects in the context of large distributed networks of computers, parallel or multiprocessing computers, or new data devices. TKDD also encourages papers that describe emerging data mining applications that cannot be satisfied by the current data mining technology.

期刊简介Acm Transactions On Knowledge Discovery From Data期刊介绍

《Acm Transactions On Knowledge Discovery From Data》自2006出版以来，是一本计算机科学优秀杂志。致力于发表原创科学研究结果，并为计算机科学各个领域的原创研究提供一个展示平台，以促进计算机科学领域的的进步。该刊鼓励先进的、清晰的阐述，从广泛的视角提供当前感兴趣的研究主题的新见解，或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道计算机科学领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单，目前已被权威数据库SCIE收录，得到了广泛的认可。

该期刊投稿重要关注点：

预计审稿时间：约3.0个月
计算机科学
COMPUTER SCIENCE, INFORMATION SYSTEMS
SCIE
中科院3区
非预警

Cite Score数据（2024年最新版）Acm Transactions On Knowledge Discovery From Data Cite Score数据

CiteScore：6.7
SJR：1.303
SNIP：1.733

学科类别	分区	排名	百分位
大类：Computer Science 小类：General Computer Science	Q1	43 / 232	81%

CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础，针对的是前四年发表的论文的引文。CiteScore的意义在于，它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法，而不仅仅是通过影响因子(IF)这一单一指标来评价。

历年Cite Score趋势图

中科院SCI分区Acm Transactions On Knowledge Discovery From Data 中科院分区

中科院 2023年12月升级版 综述期刊：否 Top期刊：否

大类学科	分区	小类学科	分区
计算机科学	3区	COMPUTER SCIENCE, INFORMATION SYSTEMS 计算机：信息系统 COMPUTER SCIENCE, SOFTWARE ENGINEERING 计算机：软件工程	3区 3区

中科院分区表 是以客观数据为基础，运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据，得到了全国各地高校、科研机构的广泛认可。

中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次，类似于“优、良、及格”等。最开始，这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。

历年中科院分区趋势图

JCR分区Acm Transactions On Knowledge Discovery From Data JCR分区

2023-2024 年最新版

按JIF指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, INFORMATION SYSTEMS	SCIE	Q1	62 / 249	75.3%
学科：COMPUTER SCIENCE, SOFTWARE ENGINEERING	SCIE	Q1	21 / 131	84.4%

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：COMPUTER SCIENCE, INFORMATION SYSTEMS	SCIE	Q1	60 / 251	76.29%
学科：COMPUTER SCIENCE, SOFTWARE ENGINEERING	SCIE	Q1	23 / 131	82.82%

JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异，此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此，JCR将期刊按照学科门类和影响因子分为不同的分区，这样读者可以根据自己的研究领域和需求选择合适的期刊。

历年影响因子趋势图

发文数据

2023-2024 年国家/地区发文量统计

国家/地区数量
USA97
CHINA MAINLAND93
Australia21
GERMANY (FED REP GER)12
Italy12
France9
Singapore9
England8
Brazil6
Canada6

本刊中国学者近年发表论文

1、Integrating Global and Local Feature Selection for Multi-Label Learning
Author: Zhang, Zan; Liu, Lin; Li, Jiuyong; Wu, Xindong

Journal: ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA. 2023; Vol. 17, Issue 1, pp. -. DOI: 10.1145/3532190
2、A Self-Representation Method with Local Similarity Preserving for Fast Multi-View Outlier Detection
Author: Wang, Yu; Chen, Chuan; Lai, Jinrong; Fu, Lele; Zhou, Yuren; Zheng, Zibin

Journal: ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA. 2023; Vol. 17, Issue 1, pp. -. DOI: 10.1145/3532191
3、Learning Aspect-Aware High-Order Representations from Ratings and Reviews for Recommendation
Author: Wang, Ke; Zhu, Yanmin; Liu, Haobing; Zang, Tianzi; Wang, Chunyang

Journal: ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA. 2023; Vol. 17, Issue 1, pp. -. DOI: 10.1145/3532188
4、Multi-Concept Representation Learning for Knowledge Graph Completion
Author: Wang, Jiapu; Wang, Boyue; Gao, Junbin; Hu, Yongli; Yin, Baocai

Journal: ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA. 2023; Vol. 17, Issue 1, pp. -. DOI: 10.1145/3533017
5、A Survey on Deep Hashing Methods
Author: Luo, Xiao; Wang, Haixin; Wu, Daqing; Chen, Chong; Deng, Minghua; Huang, Jianqiang; Hua, Xian-Sheng

Journal: ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA. 2023; Vol. 17, Issue 1, pp. -. DOI: 10.1145/3532624
6、Semi-Supervised Graph Pattern Matching and Rematching for Expert Community Location
Author: Li, Lei; Yan, Mengjiao; Tao, Zhenchao; Chen, Huanhuan; Wu, Xindong

Journal: ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA. 2023; Vol. 17, Issue 1, pp. -. DOI: 10.1145/3532623
7、Dynamic Graph Convolutional Recurrent Network for Traffic Prediction: Benchmark and Solution
Author: Li, Fuxian; Feng, Jie; Yan, Huan; Jin, Guangyin; Yang, Fan; Sun, Funing; Jin, Depeng; Li, Yong

Journal: ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA. 2023; Vol. 17, Issue 1, pp. -. DOI: 10.1145/3532611
8、US-Rule: Discovering Utility-driven Sequential Rules
Author: Huang, Gengsen; Gan, Wensheng; Weng, Jian; Yu, Philip S.

Journal: ACM TRANSACTIONS ON KNOWLEDGE DISCOVERY FROM DATA. 2023; Vol. 17, Issue 1, pp. -. DOI: 10.1145/3532613