
ACM SIGKDD知识发现与数据挖掘大会(KDD)是数据挖掘与数据科学领域的旗舰会议,CCF-A类、CORE A*评级。根据官方日程,KDD 2027将于2027年8月1日至5日在美国圣何塞McEnery会展中心举行。本届Research Track的录用通知已于2026年11月14日发出——也就是说,投稿作者的「放榜日」刚过,这几天收到邮件的人都应该查一查邮箱了。
按官方与各大截稿日历汇总的节点:
从投稿到放榜约三个半月,节奏与近几届基本一致。参考近几届数据,KDD的录用率长期徘徊在20%上下:2023年为17.9%(313/1416),2024年约20.1%(411/2046),竞争强度可见一斑。
KDD的Research Track欢迎从理论根基到应用模型的全谱系工作,覆盖知识发现、数据科学与AI的各个方向,包括面向科学、商业、医疗与工程问题的新算法,以及新兴方向的前瞻性论文。与很多纯AI会议不同,KDD还有一个特色鲜明的应用传统:Application Track与Industry Track,鼓励解决真实业务数据问题的系统性工作,这也是很多工程背景研究者更喜欢投KDD的原因。
没中KDD 2027或没赶上投稿的作者,可以把这几步做扎实。第一,复盘审稿意见,尤其是rebuttal阶段的争议点,多数落选稿的问题出在实验说服力而非想法本身。第二,数据科学方向的会议排期密集:WSDM、CIKM、SDM、ICDM、PAKDD等各有侧重,交替投稿是常见策略。第三,转投期刊也是选项,TKDD、IEEE TKDE等期刊与KDD社区高度重合。
无论转投哪个会议,都建议先弄清楚目标会议的收录情况、审稿周期与往届录用规模。会议快讯与期刊大数据是RDLink研发家(www.yanfajia.com)的重点板块,按方向筛一筛就能缩小范围。情报做在前面,投稿才不慌,这一步花的时间往往比改一版稿子少得多。
赞一个