Data Mining And Knowledge Discovery

ISI

آخرین بروز رسانی مارس ۲۰۲۳

Scopus

آخرین بروز رسانی فوریه ۲۰۲۲

این مجله در فهرست مجلات Scopus قرار دارد بر اساس تقسیم بندی این بنیاد مقالات چاپ شده در این مجله در رشته های تخصصی زیر قرار دارند:

SCImago

آخرین بروز رسانی ژانویه ۲۰۲۰

بر اساس دسته بندی این بنیاد این مجله در دسته Q1 قرار دارد

رشته تخصصی و رتبه مجله در آن رشته:

اهداف مجله

پیشرفت در جمع آوری، ذخیره سازی و توزیع داده ها نیاز به ابزارها و تکنیک های محاسباتی را برای کمک به تجزیه و تحلیل داده ها ایجاد کرده است. داده کاوی و کشف دانش در پایگاه‌های داده (KDD) یک حوزه تحقیقاتی و کاربردی است که به سرعت در حال رشد است که بر اساس تکنیک‌ها و نظریه‌های بسیاری از زمینه‌ها از جمله آمار، پایگاه‌های اطلاعاتی، تشخیص و یادگیری الگو، تجسم داده‌ها، مدل‌سازی عدم قطعیت، انبار داده و OLAP است. بهینه سازی و محاسبات با کارایی بالا KDD با مسائل مقیاس‌پذیری، فرآیند کشف دانش چند مرحله‌ای برای استخراج الگوها و مدل‌های مفید از فروشگاه‌های داده خام (شامل تمیز کردن داده‌ها و مدل‌سازی نویز) و مسائل قابل درک کردن الگوهای کشف‌شده مرتبط است. داده کاوی و اکتشاف دانش برترین نشریه فنی در این زمینه است که منبعی را برای جمع آوری روش ها و تکنیک های رایج مرتبط و انجمنی برای متحد کردن جوامع مختلف تحقیقاتی تشکیل دهنده ارائه می دهد. این مجله مقالات فنی اصلی را در زمینه تحقیق و عمل DMKD، نظرسنجی ها و آموزش های حوزه ها و تکنیک های مهم، و توضیحات مفصل در مورد کاربردهای مهم منتشر می کند. خلاصه برنامه های کوتاه (2-4 صفحه) در بخش ویژه منتشر می شود. این مجله مقالات ارسالی هر اثر مرتبط با DMKD را می پذیرد. خلاصه ای از حوزه داده کاوی و کشف دانش شامل موارد زیر است: نظریه و مسائل بنیادی: بازنمایی داده ها و دانش. مدل سازی داده های ساخت یافته، متنی و چند رسانه ای؛ مدیریت عدم قطعیت؛ معیارهای جذابیت و سودمندی دانش کشف شده؛ مسائل مربوط به پیچیدگی الگوریتمی، کارایی و مقیاس پذیری در داده کاوی؛ آمار بیش از مجموعه داده های عظیم روش‌های داده کاوی: شامل طبقه‌بندی، خوشه‌بندی، مدل‌سازی احتمالی، پیش‌بینی و تخمین، تحلیل وابستگی، جستجو و بهینه‌سازی. الگوریتم های داده کاوی شامل داده های فضایی، متنی و چند رسانه ای (به عنوان مثال، وب)، مقیاس پذیری به پایگاه های داده بزرگ، تکنیک های داده کاوی موازی و توزیع شده، و عوامل کشف خودکار. فرآیند کشف دانش: پیش پردازش داده برای داده کاوی، از جمله پاکسازی داده ها، انتخاب، نمونه برداری کارآمد و روش های کاهش داده. ارزیابی، تثبیت و تبیین دانش کشف شده؛ تجسم داده ها و دانش؛ اکتشاف و کشف داده های تعاملی مسائل کاربردی: مطالعات موردی کاربردی. سیستم ها و ابزارهای داده کاوی؛ جزئیات موفقیت ها و شکست های KDD؛ کشف منبع/دانش در وب؛ مسائل مربوط به حریم خصوصی و امنیتی