首页 关于我们 企业资质 发表指南 购物车（0）
目标检索
学术杂志 科普杂志 SCI杂志
当前位置： 首页 SCI期刊 SCIE期刊SSCI期刊 计算机科学 中科院2区 JCRQ1 期刊介绍(非官网)
Epj Data Science

Epj Data ScienceSCIESSCI

国际简称：EPJ DATA SCI  参考译名：Epj 数据科学

  • 中科院分区

    2区

  • CiteScore分区

    Q1

  • JCR分区

    Q1

基本信息：
ISSN：2193-1127
E-ISSN：2193-1127
是否OA：开放
是否预警：否
TOP期刊：是
出版信息：
出版地区：GERMANY
出版商：Springer Berlin Heidelberg
出版语言：English
出版周期：1 issue/year
出版年份：2012
研究方向：MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 
评价信息：
影响因子：3
H-index：21
CiteScore指数：6.1
SJR指数：0.829
SNIP指数：1.355
发文数据：
Gold OA文章占比：100.00%
研究类文章占比：100.00%
年发文量：59
自引率：0.0555...
开源占比：0.9934
出版撤稿占比：0
出版国人文章占比：0.06
OA被引用占比：1
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Epj Data Science期刊介绍

EPJ Data Science covers a broad range of research areas and applications and particularly encourages contributions from techno-socio-economic systems, where it comprises those research lines that now regard the digital “tracks” of human beings as first-order objects for scientific investigation. Topics include, but are not limited to, human behavior, social interaction (including animal societies), economic and financial systems, management and business networks, socio-technical infrastructure, health and environmental systems, the science of science, as well as general risk and crisis scenario forecasting up to and including policy advice.

期刊简介Epj Data Science期刊介绍

《Epj Data Science》自2012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、SSCI收录，得到了广泛的认可。

该期刊投稿重要关注点：

Cite Score数据（2024年最新版）Epj Data Science Cite Score数据

  • CiteScore：6.1
  • SJR：0.829
  • SNIP：1.355
学科类别 分区 排名 百分位
大类：Mathematics 小类：Computational Mathematics Q1 26 / 189

86%
大类：Mathematics 小类：Modeling and Simulation Q1 52 / 324

84%
大类：Mathematics 小类：Computer Science Applications Q2 244 / 817

70%

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Epj Data Science 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 2区 MATHEMATICS, INTERDISCIPLINARY APPLICATIONS 数学跨学科应用 SOCIAL SCIENCES, MATHEMATICAL METHODS 社会科学：数理方法 1区 2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Epj Data Science 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：MATHEMATICS, INTERDISCIPLINARY APPLICATIONS SCIE Q1 22 / 135

84.1%
学科：SOCIAL SCIENCES, MATHEMATICAL METHODS SSCI Q1 9 / 67

87.3%
按JCI指标学科分区 收录子集 分区 排名 百分位
学科：MATHEMATICS, INTERDISCIPLINARY APPLICATIONS SCIE Q1 20 / 135

85.56%
学科：SOCIAL SCIENCES, MATHEMATICAL METHODS SSCI Q1 10 / 67

85.82%

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
  • USA42
  • Italy32
  • England30
  • CHINA MAINLAND14
  • GERMANY (FED REP GER)14
  • France9
  • Hungary9
  • Spain8
  • Austria7
  • Switzerland7

本刊中国学者近年发表论文

  • 1、Segregation in religion networks

    Author: Jiantao Hu, Qian-Ming Zhang, Tao Zhou

    Journal: EPJ Data Science, 2019, Vol.8, , DOI:10.1140/epjds/s13688-019-0184-x

  • 2、Individual position diversity in dependence socioeconomic networks increases economic output

    Author: Wen-Jie Xie, Yan-Hong Yang, Ming-Xia Li, Zhi-Qiang Jiang, Wei-Xing Zhou

    Journal: EPJ Data Science, 2017, Vol.6, , DOI:10.1140/epjds/s13688-017-0105-9

  • 3、Measuring economic activity in China with mobile big data

    Author: Lei Dong, Sicong Chen, Yunsheng Cheng, Zhengwei Wu, Chao Li, Haishan Wu

    Journal: EPJ Data Science, 2017, Vol.6, , DOI:10.1140/epjds/s13688-017-0125-5

  • 4、Comparison of traffic reliability index with real traffic data

    Author: Limiao Zhang, Guanwen Zeng, Shengmin Guo, Daqing Li, Ziyou Gao

    Journal: EPJ Data Science, 2017, Vol.6, , DOI:10.1140/epjds/s13688-017-0115-7

  • 5、Feature analysis of multidisciplinary scientific collaboration patterns based on PNAS

    Author: Zheng Xie, Miao Li, Jianping Li, Xiaojun Duan, Zhenzheng Ouyang

    Journal: EPJ Data Science, 2018, Vol.7, , DOI:10.1140/epjds/s13688-018-0134-z

  • 6、Understanding coupling dynamics of public transportation networks

    Author: Zhihao Zheng, Zhiren Huang, Fan Zhang, Pu Wang

    Journal: EPJ Data Science, 2018, Vol.7, , DOI:10.1140/epjds/s13688-018-0148-6

  • 7、Extroverts tweet differently from introverts in Weibo

    Author: Zhenkun Zhou, Ke Xu, Jichang Zhao

    Journal: EPJ Data Science, 2018, Vol.7, , DOI:10.1140/epjds/s13688-018-0146-8

  • 8、Big data would not lie: prediction of the 2016 Taiwan election via online heterogeneous information

    Author: Zheng Xie, Guannan Liu, Junjie Wu, Yong Tan

    Journal: EPJ Data Science, 2018, Vol.7, , DOI:10.1140/epjds/s13688-018-0163-7

投稿常见问题

通讯方式：ONE NEW YORK PLAZA, SUITE 4600 , NEW YORK, United States, NY, 10004。

同大类学科期刊导航

相关期刊推荐

热门期刊推荐