|
v******d
发帖数: 1322 | 2 really? the rank of this conference in our department is quite low |
|
g***i
发帖数: 50 | 3 http://www1.bbsland.com/education/messages/231140.html
会议有多好要看你从哪个角度看。作机器学习出身的，很自然认为kdd不如ijcai和
icml，我觉得这代表了典型的机器学习研究者的观点。就象数据库出身的人都会认为kdd比不上sigmod和vldb，有的甚至觉得它比不上icde。然而数据挖掘是个高速发展中的领域，专做挖掘的人越来越多，以后肯定会有不少人认为kdd比sigmod和ijcai都强。
大家意见不同只是看问题角度不同，其实并没有本质区别，而大家对基本事实的看法都是一致的。比如无论哪种出身的人都会认为kdd>icdm，只是在不同领域比较时会有侧重点不同而已。
总而言之，对待conference ranking，大家最好不要认为存在一个客观的唯一的正确答案。举一个极端的例子：我在某数据挖掘会议上遇到过某个统计出身的人，他认为cs搞的研究都是high school math，只有统计系弄的才叫science，惹得我几乎忍不住要说“high school
math阁下也未必能弄得通”。但回来转念一想，从对方的角度来说这样的评价也不 |
|
r**t
发帖数: 937 | 4
认为kdd不如ijcai和
就象数据库出身的人都会认为kdd比不上sigmod和vldb，
有的甚至觉得它比不上icde。然而数据挖掘是个高速发展中的领域，
专做挖掘的人越来越多，以后肯定会有不少人认为kdd比sigmod和ijcai都强。
事实的看法都是一致的。比如无论哪种出身的人都会认为kdd>icdm，只是在
不同领域比较时会有侧重点不同而已。
唯一的正确答案。举一个极端的例子：我在某数据挖掘会议上遇到过某个统
计出身的人，他认为cs搞的研究都是high school math，只有统计系弄的才
叫science，惹得我几乎忍不住要说“high school
评价也不无道理。我们还是应该尊重别人的观点，多了解不同领域的研究者
的看法，这才是讨论ranking的目的。
致界乎于machine learner和data miner的观点之间吧，原因无非是我的出
身跟两边都不同。 |
|
|
|
|
|
|
|
|
|
d******e
发帖数: 7844 | 13 恩，有的Reviwer真是一坨屎一样。
质疑我的实验，说我的实验结果肯定是错的。
我用另外两个审稿人的意见好好改一改投SDM。 |
|
|
a***a
发帖数: 149 | 15 最烦质疑别人实验的，我辛辛苦可搞了3个月，竟然一会说可以，一会说我不相信实验数
据。。
真的很烦这种正反都说的reviewer..
没有一点实际指导意义。。。 |
|
o******y
发帖数: 446 | 16 被别人challenge很正常。所以你怎么解释你的结果很重要?
验数 |
|
s*******y
发帖数: 558 | 17 俺的paper 被一个无耻review拒掉的原因是 没有related work section。
丫不知道是眼睛瞎了还是怎么， 俺的related work 大标题那么显眼地摆在那丫就是看
不见。
还有一个review comments尽是赞美之词， 没挑出一个毛病， 最后居然给了个weak ac
cept。
奶奶的。 一帮烂人。 俺也懒得file rebuttal了。 反正今后再也不投这种垃圾会议了
。 |
|
m*****f
发帖数: 1243 | 18 我的一个sb reviewer 狂批评说一个参数啥意思没说, 非常非常confusing, 他老人家
没看懂, 其实那个参数在前一个section解释了三次. 然后说我presentation非常不
professional, 举了个例子说某段落最后一句没有句点, 还举了一个完美语法的英语长
短句说这句他没看懂, 最后猥琐的给了个weak reject
我觉得这个weak reject的评价纯粹是垃圾, 什么叫做don't like but won't argue to
reject, 那么无论什么意见都可以用这个weak reject总结了, 反正都不用argue.
总之现在投论文, 做的东西反而没有reviewer重要了.
ac |
|
|
r**t
发帖数: 937 | 20 kao，没有很solid的理由就随便质疑别人的实验结果？我感觉这个就像是说人家作假一
样，很严重的指控。直接跟chair骂回去.....
验数 |
|
v******d
发帖数: 1322 | 21 以后直接把程序放网上让reviewer 下载咯 |
|
a***a
发帖数: 149 | 22 不过要是 double-blind 的会议，这个貌似很难操作啊。。。
有人干过么？ 咋搞？ |
|
v******d
发帖数: 1322 | 23 也可以阿, 弄个匿名的网站啥的
现在sigmod开始搞这个了, 交paper同时交程序 |
|
d******e
发帖数: 7844 | 24 感觉没什么用，Sigmod也是走走形式，没人仔细看代码的。 |
|
|
|
d******e
发帖数: 7844 | 27 我年底要申请PhD，改一模子多投两个，比较保险。呵呵 |
|
r********t
发帖数: 395 | 28 兄弟们，
你们要知道那群reviewer本身可能看到你们的帖子～～～这样对你们以后发文章可能不
利哟～～ |
|
|
r********t
发帖数: 395 | 30 兄弟们，
你们要知道那群reviewer本身可能看到你们的帖子～～～这样对你们以后发文章可能不
利哟～～ |
|
a***a
发帖数: 149 | 31 who cares.
教授不上mitbbs吧。 落到其手下博士手里两次的概率基本为0吧。 |
|
|
n***l
发帖数: 1468 | 33 各位前辈, 能否给指引指引,
在Database,特别是data mining领域, 哪些会议算是一流, 哪些算是二流, 哪些会是很
容易中(用来粉饰resume)?
www, vldb, kdd, sdm, sigmod, pods, SIGIR, pakdd, icde, icdm, more and more..
.... |
|
X**********g
发帖数: 480 | 34 你可以投那个 大烂会 icdm
不用给我包子， 我没兴趣 |
|
Q**a
发帖数: 406 | 35 有一门算法课的作业是比较两种算法解决一个问题的效果，我想顺便攒一攒投个水会玩
玩，求推荐：
1 最好是Database/AI方向的，比如ICDM/SDM，当然档次要比这个低，否则就不是随便
攒攒能中的了……
2 submission deadline在今年十月底到明年三月初之间，太早了来不及写，太晚了黄
花菜都凉了
3 这个有没有都行：开会的地点最好在国内，这样可以跟学校骗张回国的机票，还没有
签证的麻烦
多谢~ |
|
t******f
发帖数: 28 | 36 SDM, ICDM都是大水会。不过deadline都过了，推荐投SDM的workshop吧。 |
|
x*j
发帖数: 271 | 37 ICDE or ICDM, I do not think that ICDE is a DM conference. It is mostly
about DB. I have to say that ICDE is not as good as SIGMOD/VLDB. KDD is the
best DM conference. |
|
a**f
发帖数: 25 | 38 新的，今年第三届。比NIPS/ICML/ECML肯定是差，不知道有没有ICDM的水平？
在台湾开，如果会不是太差的话想去看看。。 |
|
r********3
发帖数: 2998 | 39 理论方面也没有比NIPS,ICML更好的了。data mining方面也就KDD比ICDM好一点。
ECML和PKDD混在一起相当杂牌。无论是submission数量和acceptance rate和前面这几
个没法比。
ACML估计比ECML/PKDD还杂牌。我也觉得你不用去了。 |
|
m****s
发帖数: 402 | 40 去年full paper的接受率不到10%，是不是比KDD/ICDE/SIGMOD/VLDB接受率都低？有投过这个会议的没？ |
|
p*********g
发帖数: 226 | 41 PhD 申请不收申请费的年头，
大部分烂校 CS 的录取率都比 Stanford 的低，
因为申请人都不 self-filter |
|
|
f*****w
发帖数: 2602 | 43 lz 你知道FOCS SODA STOC的录取率么？ |
|
|
m****s
发帖数: 402 | 45 SODA不清楚，FOCS、STOC基本都20%以上。
你自己google一下不就知道了。 |
|
p*********a
发帖数: 61 | 46 double blind 是把双刃剑
投稿多，也是因为 double blind，很多人不用在意自己的学术声誉
不是很好的工作就去撞大运，写的烂也没人知道我是谁 |
|
r********3
发帖数: 2998 | 47 是啊。所以对于传统的物理，化学，数学领域来说，这个是一个双刃剑。
但是对于data minining领域，烂人太多，而且根本不在乎啥学术声誉，只在乎数量。
大部分还都是学生的工作。学生在乎啥学术声誉啊。只求毕业的时候，有个好看的
resume然后找份好点的工作。 |
|
p*********g
发帖数: 226 | 48 问题是，如果把不是很好的工作投到 open review 的地方，
凭什么以作者的身份来作为降低撞大运可能性的工具。 |
|
|
L*****k
发帖数: 327 | 50 我也觉得虽然现在灌水是趋势，但是和其他的，比如Machine Learning/Computer
Vision相比，DM这边太水了一些。 |
|
