来源：学术之家整理 2025-03-18 15:36:58
《Acm Transactions On Knowledge Discovery From Data》中文名称：《从数据中发现知识的 Acm 交易》，创刊于2006年，由Association for Computing Machinery (ACM)出版商出版，出版周期4 issues/year。
TKDD 欢迎关于知识发现和分析各种不同形式数据的各种研究的论文。这些主题包括但不限于：可扩展且有效的数据挖掘和大数据分析算法、挖掘脑网络、挖掘数据流、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、挖掘空间和时间数据、社区生成的数据挖掘、社交网络分析和图形结构化数据、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、稳健且可扩展的统计方法、数据挖掘语言、数据挖掘的基础、KDD 框架和流程，以及利用数据挖掘技术（包括大规模并行处理和云计算平台）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探索上述主题的论文。TKDD 还鼓励描述当前数据挖掘技术无法满足的新兴数据挖掘应用的论文。
旨在及时、准确、全面地报道国内外COMPUTER SCIENCE, INFORMATION SYSTEMS工作者在该领域的科学研究等工作中取得的经验、科研成果、技术革新、学术动态等。
| 机构名称 | 发文量 |
| TSINGHUA UNIVERSITY | 11 |
| UNIVERSITY OF CALIFORNI... | 10 |
| CHINESE ACADEMY OF SCIE... | 9 |
| STATE UNIVERSITY OF NEW... | 8 |
| UNIVERSITY OF ILLINOIS ... | 8 |
| ZHEJIANG UNIVERSITY | 7 |
| UNIVERSITY SYSTEM OF GE... | 6 |
| CARNEGIE MELLON UNIVERS... | 5 |
| PEKING UNIVERSITY | 5 |
| SHANGHAI JIAO TONG UNIV... | 5 |
| 国家/地区 | 发文量 |
| USA | 97 |
| CHINA MAINLAND | 93 |
| Australia | 21 |
| GERMANY (FED REP GER) | 12 |
| Italy | 12 |
| France | 9 |
| Singapore | 9 |
| England | 8 |
| Brazil | 6 |
| Canada | 6 |
| 文章引用名称 | 引用次数 |
| High-Utility Itemset Mining ... | 30 |
| Self-Adaptive Particle Swarm... | 26 |
| Time Series Classification w... | 22 |
| A Survey of Parallel Sequent... | 21 |
| Tensor Completion Algorithms... | 12 |
| Local Spectral Clustering fo... | 10 |
| Outcome-Oriented Predictive ... | 10 |
| ABRA: Approximating Betweenn... | 9 |
| Emerging Trends in Personali... | 7 |
| Collaborative Filtering with... | 6 |
| 被引用期刊名称 | 数量 |
| IEEE ACCESS | 118 |
| ACM T KNOWL DISCOV D | 60 |
| KNOWL-BASED SYST | 34 |
| NEUROCOMPUTING | 29 |
| INFORM SCIENCES | 28 |
| IEEE T KNOWL DATA EN | 23 |
| DATA MIN KNOWL DISC | 20 |
| MULTIMED TOOLS APPL | 19 |
| PATTERN RECOGN | 19 |
| PHYSICA A | 18 |
| 引用期刊名称 | 数量 |
| ACM T KNOWL DISCOV D | 60 |
| IEEE T KNOWL DATA EN | 58 |
| J MACH LEARN RES | 54 |
| IEEE T PATTERN ANAL | 45 |
| PATTERN RECOGN | 26 |
| KNOWL INF SYST | 23 |
| PROC VLDB ENDOW | 23 |
| MACH LEARN | 21 |
| NEUROCOMPUTING | 20 |
| IEEE T NEUR NET LEAR | 19 |
声明：该作品系作者结合互联网公开知识整合。如有错漏请联系我们，我们将及时更正。
