ACM T KNOWL DISCOV D期刊全称叫什么

ACM T KNOWL DISCOV D是ACM Transactions on Knowledge Discovery from Data期刊的缩写。ACM T KNOWL DISCOV D期刊的出版地是UNITED STATES，主要的研究方向是工程技术-计算机：信息系统。

TKDD欢迎关于知识发现和各种形式数据分析的全方位研究的论文。这些主题包括但不限于：数据挖掘和大数据分析的可扩展和有效算法、挖掘大脑网络、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、挖掘时空数据、社区生成的数据挖掘、社会网络分析。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、健壮和可扩展的统计方法、数据挖掘语言、数据挖掘的基础、KDD框架和过程，以及利用DAT的新型应用程序和基础设施。包括大规模并行处理和云计算平台的挖掘技术。TKDD鼓励在计算机、并行或多处理计算机或新数据设备的大型分布式网络环境中探讨上述主题的论文。TKDD还鼓励那些描述当前数据挖掘技术无法满足的新兴数据挖掘应用程序的论文。TKDD欢迎那些既为数据挖掘、大数据奠定理论基础，又为大规模数据挖掘系统和工具、数据挖掘接口工具和与整体信息处理基础设施集成的数据挖掘工具的设计和实现提供新见解的论文。TKDD还接受描述用户和数据挖掘开发人员以及大型现实数据挖掘应用程序中的管理经验和问题的论文。强调理论与实践的结合是鼓励理论论文的作者考虑理论结果的适用性和/或可实现性，同时鼓励系统论文的作者反思可能用于构建系统和/或就问题提供建议的理论结果。这可能需要理论上的处理。TKDD还要求对与TKDD相关的主题进行重点调查。这些应该很深，有时会很窄，但应该有助于我们理解数据库的一个重要领域或子领域。针对广泛的计算机科学受众或可能影响其他计算研究领域的调查的更一般的调查应继续进行ACM计算调查。对数据挖掘研究最新进展的简要调查更适合于ACM Sigkdd的勘探。TKDD调查应该通过提供一个相对成熟的数据库研究机构来教育数据库的读者。有关TKDD将接受的论文类型的更多信息，请参阅编辑指南。国际编辑委员会由该领域各子领域的公认专家组成，所有这些专家都承诺将TKDD作为该领域的首要出版物。论文应以电子方式提交给ACM TKDD手稿中心。编委会与ACM的知识发现和数据挖掘特别兴趣小组（SIGKDD）以及其他协会保持联系，鼓励提交高级和原始论文。在适当情况下，可以将简明的结果作为技术说明提交；也欢迎对早期出版物的技术评论。该杂志出现在ACM数字图书馆，因此可供许多个人和机构的数字图书馆用户使用。TKDD也将被收录在sigkdd选集和sigkdd数字研讨会的cdrom出版物中。这些分散的媒体（打印、web、cdrom、dvdrom）广泛分布，确保知识发现和数据挖掘研究人员可以轻松获得TKDD文章。TKDD的存在有助于定义知识发现和数据挖掘研究领域。它包括抽象和模型的开发、形式化和验证，以描述数据挖掘应用程序，以及用于知识发现和自动分析大量数据的设计和实现方法。

该刊的年访问量是246篇，从官网http://tkdd.acm.org/index.html上查到本刊的通讯地址是2 PENN PLAZA, STE 701, NEW YORK, USA, NY, 10121-0701，投稿地址是http://mc.manuscriptcentral.com/tkdd。网友对该刊的审稿速度给与的评价是平均3.0个月，录用比一般是较易。