1几个数据库/数据挖掘会议
iamlucky
SIGMOD:98分,数据库的最好会议,也是最好的系统类的会议之一。已经有30年的历史。一般在美国开,加拿大开过两次。最近开始每隔几年在别的洲开一次。94年在巴黎,97年将在北京。现在能见到越来越多的第一作者是中国学生的SIGMOD paper。与VLDB/ICDE不同,它是double blind review的会议。
VLDB:95分,欧洲的数据库会议,也已经有30年的历史。举办地基本上按照一年欧洲,次年其他洲轮换的规律。它是唯一能接近SIGMOD的会议,一般被认为和SIGMOD同样受尊重。它的PC比较diversified一点,另外录取文章的时候可能会考虑一点地域平衡。因此对于美国的投稿甚至有可能感觉比SIGMOD还难进。在这个会议上也能见到更多的来自美国以外的文章。
PODS:95分,数据库理论的最好会议,也是一个很好的理论会议。每年和SIGMOD一起开。相对SIGMOD来说,这个圈子要小得多。
SIGKDD: 92分,data mining的最好会议。虽然database和data mining关系密切,比较这两
个领域的会议已经很难。Data mining的community比较小,这个领域比较新。对于一篇SIGKDD paper的作者来说,如果能被SIGMOD接受,他/她可能会更开心。
ICDE: 92分,IEEE的数据库会议。IEEE的会议一般都比ACM对应会议差一些,ICDE也不例外。一般被认为明显比SIGMOD/VLDB差一个档次,但又明显比其他的数据库会议高一个档次。也就是说,没有与它半斤八两的(非理论)数据库会议。
CIDR: 90分(?),数据库领域的新兴会议,只收vision类的paper,强调的是创新性的idea,并不要求很solid很complete的results。在2002年由Michael Stonebraker, Jim Gray, 和David DeWitt等人发起。在2002年的SIGMOD keynote speech中,Michael Stonebraker说现在SIGMOD paper都要有令人敬畏的图和公式才能被收录,往往不利于真正有开创性的工作,他希望大家都做sea change的工作。CIDR是两年一次的会议,93和95年各开了一次,投稿和收录的比较少,但基本上主要的那些researcher和这个field的leader都在那儿,更focused一些。虽然才开了两届,但已经成为很受重视的一个数据库会议。当然,这个会议还有待时间的检验。
EDBT: 88分,欧洲的第二好的数据库会议,不过比VLDB差了不少,一般大家只重视SIGMOD/VLDB/ICDE这三个会议。这个会议相对来说比较新,从88年开始逢双数年在欧洲开。
ICDT: 88分(?),这个是欧洲的数据库理论会议,也是隔年召开,现在是单数年召开,与EDBT错开。
WWW: 86分,这个主要是做Web的研究者的会议,不过Web data现在在数据库领域中做的人不少。这个会议的文章质量有些参差不齐,不过还是一个很有特色很有意思的会议。
CIKM: 85分,这个其实主要被认为是IR的会议。虽然号称是IR领域仅次于SIGIR的会议,但IR community比较小,它已经比SIGIR差了一个档次。它的特色是结合IR和DB。
ER: 85分(?),这个是focus在数据模型的会议,不过在数据库领域的影响力已经很小。ER模型的创始人Peter Chen现在还在这个圈子里。
ICDM: 83分(?),这个是IEEE的data mining会议,比SIGKDD要差不少。
sir版观点
我还是再写一篇,把我的个人浅见跟lucky的对比一下,会更加有趣。请大家注意:不同的意见来自不同的视角,未必有对错之分。
其实我对数据库会议的rating跟lucky基本一致,不一致的地方主要在数据挖掘。个人感觉数据库研究者倾向于把数据挖掘看作一个数据库的子领域,因而对数据挖掘的会议rating较低。然而对其他背景的人而言,数据挖掘是相对独立的一个新兴领域,因而对其会议rating比较高。大家看了下面分数的对比,就很清楚了。
SIGMOD:97分(lucky rating:98分),数据库的最高会议,涉及范围广泛,稍偏应用(因为理论文章有PODS)。没说的,景仰如滔滔江水。这个会议不仅是double-blind review,而且有rebuttal procedure,可谓独树一帜,与众不同。
VLDB:95分(lucky rating:95分),非常好的数据库会议。与SIGMOD类似,涉及范围广泛,稍偏应用。
PODS:95分(lucky rating:95分)。正如lucky所说,是“数据库理论的最好会议,也是一个很好的理论会议”。每年总是co-located with SIGMOD。感觉其中算法背景的人占主流(你可以数数PODS文章中有多少来自Motwani group),也有一部分AI背景的人(毕竟SIGART也是主办者之一)。它的影响力远不及SIGMOD,然而其中文章的质量比较整齐,variance小于SIGMOD(以及其他任何数据库会议)。有一位牛人说:“PODS never had a really bad paper,”这是它值得骄傲的地方。
KDD::full paper 95分,poster/short paper 90分(lucky rating:92分)。数据挖掘的最高会议。由于历史积累不足以及领域圈子较小,勿用讳言KDD目前比SIGMOD尚有所不如。我觉得我们可以这样类比:KDD:SIGMOD=CRYPTO:STOC。回顾密码学的历史,真正最牛的文章一般发在STOC/FOCS而非CRYPTO/EUROCRYPT,这和今天的数据挖掘何等类似!然而你看看今天的密码学文章,已经有顶级的密码学家(恕我不便写出名字)不再往STOC/FOCS投稿。我觉得同样的事情在不久的将来也会发生在数据挖掘中,让我们拭目以待。
ICDE:92分(lucky rating:92分)。很好的数据库会议,也是一个大杂烩。好处是覆盖面广、包容性强,坏处是文章水平参差不齐。
EDBT:88分(lucky rating:88分),不错的数据库会议,录取率很低然而历史积累不足,影响还明显不及ICDE。
ICDT:88分(lucky rating:88分),PODS的欧洲版,数据库理论第二会议。
CIKM:85分(lucky rating:85分)。
SDM:full paper 90分,poster/short paper 85分。SIAM的数据挖掘会议,与ICDM并列为数据挖掘领域的第二位,比KDD有明显差距。好像其中统计背景的人比较多,也有一部分机器学习背景的人,比较diversified。
ICDM:full paper 90分,poster/short paper 85分(lucky rating:83分)。IEEE的数据挖掘会议,与SDM并列为数据挖掘领域的第二位,比KDD有明显差距。
PKDD:83分(因为poster/short paper数量很少,所以不予区分)。好像是KDD的欧洲版,但与KDD差距很大。