当前位置: 首页 > news >正文

科研笔记 KDD 2025

1 基本介绍

KDD 每年有多次投稿周期。KDD 2025 将有两个截止时间:分别是 2024 年 8 月 1 日和 2025 年 2 月 1 日(全文提交截止时间在摘要提交截止后一周)。

同时,KDD 会议论文集(Proceedings)将分两批出版。对于在 2024 年 8 月提交并被接收的论文,作者必须在版权转让表(rights form)中选择“提前出版”选项,才能将论文收录到第一批会议论文集中。

本次会议将在加拿大多伦多召开,预期在 2025 年 8 月举办。

 

2 投稿网站

  • 本次将使用 OpenReview 系统来进行投稿与评审。提交的论文在评审期间不会在 OpenReview 上公开。
  • 所有列出的作者都必须拥有最新的 OpenReview 个人页面。
    • OpenReview 个人页面将用于利益冲突管理与论文匹配。
    • 若作者信息在 OpenReview 个人页面中不完整,则可能会被直接拒稿。
    • 要被视为信息完整,每位作者的 OpenReview 个人页面必须正确填写以下必填字段:当前和过去的工作单位(至少回溯五年),个人主页,DBLP,ORCID,导师(Advisors)和近年发表的论文(Recent Publications)。
    • 此外,如有可用的信息,也应补充 Google Scholar、LinkedIn、Semantic Scholar、学生(Advisees)或其他关联(Other Relations)。

3 征稿范围

本研究论文轨道邀请提交关于知识发现与数据科学各方面的创新性研究论文,涵盖从理论基础到面向科学、商业、医学、工程中的数据科学问题的最新模型及算法。我们同样欢迎对新兴领域进行前瞻性探讨的论文,以及带有创新性技术贡献并具有研究价值的应用类论文。涵盖但不限于以下主题:

  • 数据科学:用于分析社交网络、时间序列、序列、数据流、文本、网络、图、规则、模式、日志、物联网数据、时空数据、生物数据、科学与商业数据的各种方法;推荐系统、计算广告、多媒体、金融、生物信息学等。
  • 大数据:大规模数据分析系统、机器学习、优化、抽样、数据摘要;并行与分布式数据科学(云端、MapReduce、联邦学习等);用于大数据的创新算法与统计方法;高效的数据转换与集成算法等。
  • 基础理论:模型与算法及其渐近分析;模型选择、降维、有关系/结构化学习、矩阵与张量方法、概率与统计方法;深度学习、迁移学习、表示学习、元学习、强化学习;分类、聚类、回归、半监督、 自监督、小样本以及无监督学习;个性化、安全与隐私、可视化;公平性、可解释性、伦理和稳健性等。

4 作者身份相关要求

  • 作者政策
    ACM 对作者身份有相关规定,包括在投稿中使用生成式 AI 工具的说明。每位署名作者都必须对论文的研究内容或写作做出实质性贡献,并对论文的完整内容负责。如果使用了生成式 AI 工具,必须在投稿表单中进行披露和说明。

  • 作者数量限制
    在研究论文轨道中,每位作者最多可以同时参与 7 篇论文的提交。如果超过 7 篇,则多出的论文(按提交 ID 时间先后排序)将被直接拒稿。

  • 作者信息修改
    作者名单(包括作者排序)必须在提交截止前最终确定。提交截止后不得新增、删除或重新排序作者。唯一允许的改动仅限于姓名拼写错误或新增工作单位。

5 匿名评审

本次评审流程为双盲评审。提交的 PDF 中不能出现作者姓名、单位或其他任何可识别信息,包括但不限于致谢、自引、提及作者本人过去的工作等。请在引用作者自己过去的工作时使用第三人称称呼。论文中可以明确提及提供数据集、实验平台或部署解决方案和工具的机构。

6 格式要求

  • 论文必须使用英文撰写,双栏格式,遵从 ACM 提供的官方模板(也可使用 Overleaf 模板Association for Computing Machinery (ACM) - SIG Proceedings Template - Overleaf, Online LaTeX Editor),或者 Word 用户可使用 Word Interim Template。
  • LaTeX 推荐使用以下设置: \documentclass[sigconf,anonymous,review]{acmart}
  • 投稿必须为单一 PDF 文件:正文最多 8 页,外加参考文献和可选附录(附录页数不限)
  • 前 8 页应能完整表达论文的核心内容,因为评审人不一定阅读超过 8 页之后的内容。请注意,在接收后最终定稿(camera-ready)时会有不同的页面限制。

7 原创性与并行投稿

  • 投稿必须为原创工作。已在任何同行评审会议/期刊的正式论文集中发表或同时在审的论文均不能再投。
  • 之前仅以口头报告、海报、摘要形式在无正式论文集的研讨会或博士生论坛等非正式场合发表过的工作可以提交。
  • 作者可将已有预印本(如 arXiv 或 SSRN)中的工作匿名提交,但勿在文中引用该预印本。ACM 拥有对抄袭、虚假陈述、篡改等行为的严格政策。

8 再次提交(Resubmission)规则

  • 在 2024 年 2 月轮次被评为“可重投(Resubmit)”的论文,可在 2024 年 8 月轮次提交修订版。
  • 在 2024 年 2 月轮次被拒稿的论文不可在 2024 年 8 月轮次中以任何形式再次提交(包括重新提交)。
  • 再次提交时需在投稿时明确标明,并提供先前投稿的 OpenReview forum ID。同时要在提交表单中提供最多 5000 字符的修改总结(summary of changes)。评审人/AC/SAC 将会看到之前版本和评审意见。
  • 通过对先前意见的改进,我们预计“可重投”论文的接收率会高于新稿件。
  • 对于某些本次 8 月轮次的新投稿,也可能在 2025 年 2 月轮次得到“可重投”决定

9 评审义务

  • 为确保所有论文都得到足够数量的高质量评审,每篇投稿必须在作者中至少指定一名具有合格评审资质的作者(即在 KDD 或相关会议中发表过至少 3 篇论文)作为评审候选人。被列为评审人即意味着接受并承诺负责完成相应的评审工作。
  • 若作者列表中确实无人符合该条件,则应推荐最有经验的一位作者供程序委员会主席(PC Chairs)考虑。
  • 如作者中有符合条件的评审人却未指定,或指定评审人未能按时、恰当地完成评审任务,则可能导致被直接拒稿。

10 评审流程

  • 评审

每篇论文都会分配至少三位独立评审人,由一位区域主席(AC)负责统筹。每篇投稿至少需要一位作者承担评审义务,并需按时提交所有评审意见。如果作者未能及时恰当地完成评审任务,则该论文的所有作者在作者回复阶段将无法查看到评审意见。

评审过程中,如果使用了任何生成式 AI 工具,需要在评审表单中披露。严禁将论文中的任何文字段落原封不动地输入到任何生成式 AI 工具中。

  • 作者回复(Rebuttal)
    在评审结束后会有一个作者回复期,作者可以就评审意见进行回应。区域主席将根据作者回复和评审人之间的讨论来做出进一步判断。

  • 撤稿(Withdrawal)
    作者可在作者回复阶段提出撤稿申请。需要以书面形式通知程序委员会主席,并在其确认后才能生效。

  • 最终决定(Decision)
    区域主席将综合考虑技术贡献、原创性、潜在影响、执行质量、写作质量、相关工作、可复现性和伦理等方面的因素,对论文给出建议。最终接收与否由程序委员会主席决定。

  • 透明度
    作者在向 KDD 2025 提交论文时即同意,所有被接收论文的原始提交版本、评审意见、Meta-Review 和讨论内容将在 OpenReview 上公开

相关文章:

科研笔记 KDD 2025

1 基本介绍 KDD 每年有多次投稿周期。KDD 2025 将有两个截止时间:分别是 2024 年 8 月 1 日和 2025 年 2 月 1 日(全文提交截止时间在摘要提交截止后一周)。 同时,KDD 会议论文集(Proceedings)将分两批出…...

黑马Java面试教程_P8_并发编程

系列博客目录 文章目录 系列博客目录前言1.线程的基础知识1.1 线程和进程的区别?难2频3面试文稿 1.2 并行和并发有什么区别? 难1频1面试文稿 1.3 创建线程的四种方式 难2频4面试文稿 1.4 runnable 和 callable 有什么区别 难2频3面试文稿 1.5 线程的 run…...

网络视频监控平台/安防监控/视频综合管理Liveweb视频汇聚平台解决方案

一、当前现状分析 当前视频资源面临以下问题: 1)不同单位在视频平台建设中以所属领域为单位,设备品牌众多,存在的标准不一,各系统之间也没有统一标准; 2)各单位视频平台建设分散、统筹性差&am…...

workman服务端开发模式-应用开发-后端api推送修改二

需要修改两个地方&#xff0c;第一个是总控制里面的续token延时&#xff0c;第二个是操作日志记录 一、总控续token延时方法 在根目录下app文件夹下controller文件夹下Base.php中修改isLoginAuth方法&#xff0c;具体代码如下&#xff1a; <?php /*** 总控制* User: 龙哥…...

SQL 使用带聚集函数的联结

聚集函数用于汇总数据&#xff0c;通常用于从一个表中计算统计信息&#xff0c;但也可以与联结一起使用。以下是一个例子&#xff0c;展示如何使用聚集函数统计每个顾客的订单数。 示例 1&#xff1a;使用 COUNT() 函数与 INNER JOIN 假设我们需要检索所有顾客及每个顾客所下…...

Restaurants WebAPI(三)——Serilog/FluenValidation

文章目录 项目地址一、Serilog使用1.1 安装 Serilog1.2 注册日志服务1.3 设置日志级别和详情1.4 配置到文件里1.5 给不同的环境配置日志1.5.1 配置appsettings.Development.json二、Swagger的使用三、自定义Exception中间件3.1 使用FluentValidation项目地址 教程作者:教程地址…...

概率论得学习和整理32: 用EXCEL描述正态分布,用δ求累计概率,以及已知概率求X的区间

目录 1 正态分布相关 2 正态分布的函数和曲线 2.1 正态分布的函数值&#xff0c;用norm.dist() 函数求 2.2 正态分布的pdf 和 cdf 2.3 正态分布的图形随着u 和 δ^2的变化 3 正态分布最重要的3δ原则 3.0 注意&#xff0c;这里说的概率一定是累计概率CDF&#xff0c;而…...

【原生js案例】让你的移动页面实现自定义的上拉加载和下拉刷新

目前很多前端UI都是自带有上拉加载和下拉刷新功能,按照官网配置去实现即可,比如原生小程序,vantUI等UI框架,都替我们实现了内部功能。 那如何自己来实现一个上拉加载和下拉刷新的功能? 实现效果 不用浏览器的css滚动条,自定义实现滚动效果 自定义实现滚动,添加上拉加载…...

【linux 常用命令】

1. 使用xshell 通过SSH连接到Linux服务器 ssh -p 端口号 usernameip地址2. 查看当前目录下的子文件夹的内存占用情况 du -a -h -d 1或者 du -ah -d 1-a &#xff1a;展示所有子文件夹&#xff08;包括隐藏文件夹&#xff09;&#xff0c;-h &#xff1a;以人类可读的形式&am…...

【JetPack】Room数据库笔记

Room数据库笔记 ORM框架&#xff1a;对齐数据库数据结构与面向对象数据结构之间的关系&#xff0c;使开发编程只考虑面向对象不需要考虑数据库的结构 Entity : 数据实体&#xff0c;对应数据库中的表 <完成面向对象与数据库表结构的映射> 注解&#xff1a; 类添加注解…...

【CSS in Depth 2 精译_088】第五部分:添加动效概述 + 第 15 章:CSS 过渡特效概述 + 15.1:状态间的由此及彼

当前内容所在位置&#xff08;可进入专栏查看其他译好的章节内容&#xff09; 第五部分 添加动效 ✔️【第 15 章 过渡】 ✔️ 15.1 状态间的由此及彼 ✔️15.2 定时函数 文章目录 第 5 部分 添加动效 Adding motion第 15 章 过渡 Transitions15.1 状态间的由此及彼 From here…...

# 起步专用 - 哔哩哔哩全模块超还原设计!(内含接口文档、数据库设计)

↑ 上方下载文档 (大小374KB) 接口文档预览 (超过50个接口) 一、数据库25张表er-关系清晰构图&#xff01;(tip: 鼠标右键图片 > 放大图像) 二、难点/经验 详细说明 热门评论排序评论点赞列表|DTO封装经验分享|精华接口文档说明 组员都说喜欢分档对应枚举码 如果这篇文章…...

[机器学习]XGBoost(3)——确定树的结构

XGBoost的目标函数详见[机器学习]XGBoost&#xff08;2&#xff09;——目标函数&#xff08;公式详解&#xff09; 确定树的结构 之前在关于目标函数的计算中&#xff0c;均假设树的结构是确定的&#xff0c;但实际上&#xff0c;当划分条件不同时&#xff0c;叶子节点包含的…...

PHP阶段一

PHP 一门编程语言 运行在服务器端 专门用户开发网站的 脚本后缀名.php 与HTML语言进行混编&#xff0c;脚本后缀依然是.php 解释型语言&#xff0c;不要编译直接运行 PHP运行需要环境&#xff1a; Windows phpstudy Linux 单独安装 Web 原理简述 1、打开浏览器 2、输入u…...

用人话讲计算机:Python篇!(十五)迭代器、生成器、装饰器

一、迭代器 &#xff08;1&#xff09;定义 标准解释&#xff1a;迭代器是 Python 中实现了迭代协议的对象&#xff0c;即提供__iter__()和 __next__()方法&#xff0c;任何实现了这两个方法的对象都可以被称为迭代器。 所谓__iter__()&#xff0c;即返回迭代器自身 所谓__…...

5G -- 5G网络架构

5G组网场景 从4G到5G的网络演进&#xff1a; 1、UE -> 4G基站 -> 4G核心网 * 部署初中期&#xff0c;利用存量网络&#xff0c;引入5G基站&#xff0c;4G与5G基站并存 2、UE -> (4G基站、5G基站) -> 4G核心网 * 部署中后期&#xff0c;引入5G核心网&am…...

VR线上展厅的色彩管理如何影响用户情绪?

VR线上展厅的色彩管理对用户情绪的影响是多方面的&#xff0c;以下是专业从事VR线上展厅制作的圆桌3D云展厅平台为大家介绍的一些关键点&#xff1a; 情感共鸣&#xff1a;色彩能够激发特定的情感反应。例如&#xff0c;暖色调&#xff08;如红色、橙色&#xff09;通常与活力和…...

Vue3:uv-upload图片上传

效果图&#xff1a; 参考文档&#xff1a; Upload 上传 | 我的资料管理-uv-ui 是全面兼容vue32、nvue、app、h5、小程序等多端的uni-app生态框架 (uvui.cn) 代码&#xff1a; <view class"greenBtn_zw2" click"handleAddGroup">添加班级群</vie…...

大数据机器学习算法和计算机视觉应用07:机器学习

Machine Learning Goal of Machine LearningLinear ClassificationSolutionNumerical output example: linear regressionStochastic Gradient DescentMatrix Acceleration Goal of Machine Learning 机器学习的目标 假设现在有一组数据 x i , y i {x_i,y_i} xi​,yi​&…...

基于asp.net游乐园管理系统设计与实现

博主介绍&#xff1a;专注于Java&#xff08;springboot ssm 等开发框架&#xff09; vue .net php python(flask Django) 小程序 等诸多技术领域和毕业项目实战、企业信息化系统建设&#xff0c;从业十五余年开发设计教学工作 ☆☆☆ 精彩专栏推荐订阅☆☆☆☆☆不然下次找…...

一区牛顿-拉夫逊算法+分解+深度学习!VMD-NRBO-Transformer-GRU多变量时间序列光伏功率预测

一区牛顿-拉夫逊算法分解深度学习&#xff01;VMD-NRBO-Transformer-GRU多变量时间序列光伏功率预测 目录 一区牛顿-拉夫逊算法分解深度学习&#xff01;VMD-NRBO-Transformer-GRU多变量时间序列光伏功率预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.中科院一区…...

uniapp使用腾讯地图接口的时候提示此key每秒请求量已达到上限或者提示此key每日调用量已达到上限问题解决

要在创建的key上添加配额 点击配额之后进入分配页面&#xff0c;分配完之后刷新uniapp就可以调用成功了。...

WPF 完美解决改变指示灯的颜色

WPF 完美解决改变指示灯的颜色 原有&#xff1a;自己再做WPF页面设计后发现直接去查找页面多个控件嵌套情况下找不到指示灯&#xff08;Button实现的&#xff0c;详细可以看这篇文章 这里&#xff09;&#xff0c;具体看看来如何实现 加粗样式思路&#xff1a;无论多级嵌套&a…...

Flutter/Dart:使用日志模块Logger Easier

Flutter笔记 Flutter/Dart&#xff1a;使用日志模块Logger Easier Logger Easier 是一个为 Dart 和 Flutter 应用程序量身定制的现代化日志管理解决方案。它提供了一个高度灵活、功能丰富的日志记录系统&#xff0c;旨在简化开发者的日志管理工作&#xff0c;同时提供一定的定制…...

阿里云云服务器初始化

如果我们的云服务器出现无法挽回的错误时&#xff0c;我们可以尝试初始化云服务器进行解决。 首先搜索阿里云&#xff08;你要先确认自己已经购买了阿里云的云服务器&#xff09;&#xff1a; 登录账号后主页向下划 进入后点击管理控制台 点击进入后可以看到正在运行&#xff0…...

Python中SKlearn的K-means使用详解

文章目录 Python中SKlearn的K-means使用详解一、引言二、K-means算法原理三、使用SKlearn进行K-means聚类的步骤1、导入必要的库2、生成数据集3、创建K-means模型并设置参数4、训练模型5、预测簇标签6、可视化结果 四、总结 Python中SKlearn的K-means使用详解 一、引言 K-mea…...

红帽RHCE认证适用哪些人学习

红帽 RHCE工程师认证有着广泛的适用人群。对于初入 IT 行业的新手来说&#xff0c;RHCE 是快速建立专业基础、提升自身竞争力的绝佳途径。它能帮助新人系统地学习 Linux 系统知识&#xff0c;从基础的安装配置到复杂的网络服务管理&#xff0c;一步一个脚印地构建起坚实的技术框…...

FFmpeg 框架简介和文件解复用

文章目录 ffmpeg框架简介libavformat库libavcodec库libavdevice库 复用&#xff08;muxers&#xff09;和解复用&#xff08;demuxers&#xff09;容器格式FLVScript Tag Data结构&#xff08;脚本类型、帧类型&#xff09;Audio Tag Data结构&#xff08;音频Tag&#xff09;V…...

《Java核心技术I》Swing中的边框

边框 BorderFactory静态方法创建边框&#xff0c;凹斜面&#xff0c;凸斜面&#xff0c;蚀刻&#xff0c;直线&#xff0c;蒙版&#xff0c;空白。 边框添加标题&#xff0c;BorderFactory.createTitledBorder 组合边框&#xff0c;BorderFactory.createCompoundBorder JCo…...

MySQL 中的常见错误与排查

在 MySQL 数据库的日常运维中&#xff0c;管理员可能会遇到各种错误。无论是查询性能问题、连接异常、数据一致性问题&#xff0c;还是磁盘空间不足等&#xff0c;及时排查并解决这些问题是保证数据库稳定运行的关键。本文将列出 MySQL 中一些常见的错误及其排查方法。 一、连接…...