『壹』 數據挖掘類的國際頂尖會議有哪些
頂級：SIGKDD
二流：ICDM，SDM ，EDBT等
上面是專門的數據挖掘會議，其他像SIGMOD,VLDB,ICDE等資料庫類會議都會有專門的數據挖掘session ，下面是有人專門總結的，引用一下：
一流的：資料庫三大頂級會議SIGMOD，VLDB，ICDE，數據挖掘KDD，實際相關的還有機器學習ICML,還有信息檢索的SIGIR；資料庫的理論會議PODS，但它是理論的會議所以和咱們就不大相關了
二流的：EDBT，ICDT，CIKM，SDM，ICDM，PKDD，還有ECML歐洲的機器學習會議（這個應該是1.5檔的，比一般的二流好）
SIGMOD：97分，資料庫的最高會議，涉及范圍廣泛，稍偏應用（因為理論文章有PODS）。沒說的，景仰如滔滔江水。這個會議不僅是double-blind review，而且有rebuttal procere，可謂獨樹一幟，與眾不同。
VLDB：95分，非常好的資料庫會議。與SIGMOD類似，涉及范圍廣泛，稍偏應用。
從文章的質量來說，SIGMOD和VLDB難分伯仲，沒有說誰比誰更高。他們的范圍也幾乎一樣。
不少牛人都認為，今年的rebuttal procere其實並不怎麼成功。投稿太多，很難做到每一
篇都公平公正。很多rebuttal沒人看。
double-blind是把雙刃劍。這幾年來每年都有人冒充牛人的風格來投稿，有的還真進去了。
反而VLDB的審稿質量一直很高。每年的VLDB都有很理論的paper。
一般來說，我感覺大家還是認為SIGMOD要好那麼一點點。根據我個人讀過的文章，也有這樣的感覺。不過這個並不重要了，有差別也是那麼一點。
PODS：95分。是「資料庫理論的最好會議,也是一個很好的理論會議」。每年總是co-located with SIGMOD。感覺其中演算法背景的人佔主流（你可以數數PODS文章中有多少來自Motwani group），也有一部分AI背景的人（畢竟SIGART也是主辦者之一）。它的影響力遠不及SIGMOD，然而其中文章的質量比較整齊，variance小於SIGMOD（以及其他任何資料庫會議）。有一位牛人說：「PODS never had a really bad paper，」這是它值得驕傲的地方。
KDD:：full paper 95分，poster/short paper 90分。數據挖掘的最高會議。由於歷史積累不足以及領域圈子較小，勿用諱言KDD目前比SIGMOD尚有所不如。我覺得我們可以這樣類比：KDD:SIGMOD=CRYPTO:STOC。回顧密碼學的歷史，真正最牛的文章一般發在STOC/FOCS而非C
RYPTO/EUROCRYPT，這和今天的數據挖掘何等類似！然而你看看今天的密碼學文章，已經有頂級的密碼學家（恕我不便寫出名字）不再往STOC/FOCS投稿。我覺得同樣的事情在不久的將來也會發生在數據挖掘中，讓我們拭目以待。
這幾年來KDD的質量都很高。其full paper的質量高於SIGMOD/VLDB中數據挖掘方面的paper的質量。原因是SIGMOD/VLDB審稿人中數據挖掘的人很少，審稿標准不一定能掌握得很好。
這幾年好幾篇SIGMOD/VLDB的數據挖掘paper都follow一些KDD的paper。而在KDD，要拿一篇full paper真難。去年復旦拿了一篇，實屬難能可貴。今年他們又拿了一個SIGMOD demo，說明工作的確很扎實。
聽說在很多地方，如果能有一篇SIGMOD/VLDB/KDD，就能博士畢業，能有兩篇就能找到不錯的工作。「革命尚未成功，同志仍需努力！」
ICDE：92分。很好的資料庫會議，也是一個大雜燴。好處是覆蓋面廣、包容性強，壞處是文章水平參差不齊。
EDBT：88分，不錯的資料庫會議，錄取率很低然而歷史積累不足，影響還明顯不及ICDE。
ICDT：88分，PODS的歐洲版，資料庫理論第二會議。
和SIGMOD/VLDB一樣，ICDE和EDBT在質量和影響上都不相上下。
其它的如CIKM，ICDM，SDM，SSDBM，PKDD等等都比以上的會議差一截。
CIKM：85分。
SDM：full paper 90分，poster/short paper 85分。SIAM的數據挖掘會議，與ICDM並列為數據挖掘領域的第二位，比KDD有明顯差距。好像其中統計背景的人比較多，也有一部分機器學習背景的人，比較iversified。
ICDM：full paper 90分，poster/short paper 85分。IEEE的數據挖掘會議，與SDM並列為數據挖掘領域的第二位，比KDD有明顯差距。
PKDD：83分（因為poster/short paper數量很少，所以不予區分）。好像是KDD的歐洲版，但與KDD差距很大。