發(fā)表《Acm Transactions On Knowledge Discovery From Data》雜志多久能被SCI數據庫收錄?
來源:優(yōu)發(fā)表網整理 2024-09-18 10:51:31 547人看過
通常情況下,《Acm Transactions On Knowledge Discovery From Data》雜志發(fā)表的文章被SCIE數據庫收錄的時間沒有固定標準,若想了解詳細、準確的具體情況,建議直接與雜志社取得聯系或者向在線客服進行咨詢。
多久能被SCI數據庫一般可以歸納出以下情況:
論文發(fā)表后到在線時間:SCI論文發(fā)表后,一般需要大約3個月的時間才能在期刊官網上線,這是論文初次對外公開的時間點。
在線后到數據庫檢索時間:論文在線后,通常還需要1-3個月的時間才能在Web of Science(WOS)數據庫中檢索到,這個過程被稱為論文的索引或收錄。
整體時間周期:從投稿到論文被SCI數據庫收錄,整個周期大概需要一年左右的時間。具體來說,投稿后可能需要5-6個月收到接收通知,然后經過2-3個月論文會在官網上線,再之后2-3個月論文會被WOS數據庫收錄。
然而,這個時間周期并不是絕對的,它受到多種因素的影響,如:期刊類型、論文質量、數據庫更新等。
《Acm Transactions On Knowledge Discovery From Data》雜志已被SCIE國際知名數據庫收錄,在JCR分區(qū)中位于COMPUTER SCIENCE, INFORMATION SYSTEMS學科Q1區(qū)COMPUTER SCIENCE, SOFTWARE ENGINEERING學科Q1區(qū),在CiteScore評價中位于Computer Science學科的Q1區(qū)具有較高的學術影響力,在該領域受到廣泛認可。
WOS分區(qū)(數據版本:2023-2024年最新版)
| 按JIF指標學科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學科:COMPUTER SCIENCE, INFORMATION SYSTEMS | SCIE | Q1 | 62 / 249 |
75.3% |
| 學科:COMPUTER SCIENCE, SOFTWARE ENGINEERING | SCIE | Q1 | 21 / 131 |
84.4% |
| 按JCI指標學科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
| 學科:COMPUTER SCIENCE, INFORMATION SYSTEMS | SCIE | Q1 | 60 / 251 |
76.29% |
| 學科:COMPUTER SCIENCE, SOFTWARE ENGINEERING | SCIE | Q1 | 23 / 131 |
82.82% |
名詞解釋:
WOS即Web of Science,是全球獲取學術信息的重要數據庫,Web of Science包括自然科學、社會科學、藝術與人文領域的信息,來自全世界近9,000種最負盛名的高影響力研究期刊及12,000多種學術會議多學科內容。給期刊分區(qū)時會按照某一個學科領域劃分,根據這一學科所有按照影響因子數值降序排名,然后平均分成4等份,期刊影響因子值高的就會在高分區(qū)中,最后的劃分結果分別是Q1,Q2,Q3,Q4,Q1代表質量最高。
CiteScore分區(qū)(數據版本:2024年最新版)
| CiteScore | SJR | SNIP | CiteScore排名 | ||||||||
| 6.7 | 1.303 | 1.733 |
|
名詞解釋:
CiteScore:衡量期刊所發(fā)表文獻的平均受引用次數。
SJR:SCImago 期刊等級衡量經過加權后的期刊受引用次數。引用次數的加權值由施引期刊的學科領域和聲望 (SJR) 決定。
SNIP:每篇文章中來源出版物的標準化影響將實際受引用情況對照期刊所屬學科領域中預期的受引用情況進行衡量。
作為一本專注于COMPUTER SCIENCE, INFORMATION SYSTEMS - COMPUTER SCIENCE, SOFTWARE ENGINEERING領域的學術期刊,它致力于發(fā)表高質量的研究論文和為相關領域的研究人員提供重要的學術資源。
該雜志出版周期是4 issues/year,平均審稿速度預計為: 約3.0個月 。
TKDD 歡迎關于知識發(fā)現和分析各種不同形式數據的各種研究的論文。這些主題包括但不限于:可擴展且有效的數據挖掘和大數據分析算法、挖掘腦網絡、挖掘數據流、挖掘多媒體數據、挖掘高維數據、挖掘文本、Web 和半結構化數據、挖掘空間和時間數據、社區(qū)生成的數據挖掘、社交網絡分析和圖形結構化數據、數據挖掘中的安全和隱私問題、可視化、交互式和在線數據挖掘、數據挖掘的預處理和后處理、穩(wěn)健且可擴展的統(tǒng)計方法、數據挖掘語言、數據挖掘的基礎、KDD 框架和流程,以及利用數據挖掘技術(包括大規(guī)模并行處理和云計算平臺)的新型應用程序和基礎設施。TKDD 鼓勵在大型分布式計算機網絡、并行或多處理計算機或新數據設備的背景下探索上述主題的論文。TKDD 還鼓勵描述當前數據挖掘技術無法滿足的新興數據挖掘應用的論文。
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。