《Data Mining And Knowledge Discovery》雜志是一本專注于計算機科學領域的期刊，發表難度因多種因素而異，以下是具體分析：

數據收集、存儲和分發方面的進步催生了對計算工具和技術的需求，以協助數據分析。數據庫中的數據挖掘和知識發現 (KDD) 是一個快速發展的研究和應用領域，它建立在許多領域的技術和理論之上，包括統計學、數據庫、模式識別和學習、數據可視化、不確定性建模、數據倉庫和 OLAP、優化和高性能計算。

發表難度

影響因子與分區：《Data Mining And Knowledge Discovery》雜志的影響因子為2.8，屬于JCR分區Q2區，中科院分區中大類學科計算機科學為3區， 小類學科COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE計算機：人工智能為3區，較高的影響因子和較好的分區表明其在學術界具有較高的影響力和認可度，因此對稿件的質量要求也相對較高，發表難度較大。

審稿周期預計：平均審稿速度 約6.0個月 ，審稿周期也體現了編輯部對稿件質量的嚴格把關。

發表建議

提高稿件質量：確保研究內容具有創新性和學術價值，語言表達清晰準確，符合雜志計算機：人工智能的格式和要求。

提前準備：根據審稿周期，建議作者提前規劃好研究和寫作進度，以便有足夠的時間進行修改和補充。同時，可以關注《Data Mining And Knowledge Discovery》雜志的約稿信息，如果能夠獲得約稿機會，發表的可能性會更大。

聲明：以上內容來源于互聯網公開資料，如有不準確之處，請聯系我們進行修改。