IEEE国际数据挖掘会议

IEEE国际数据挖掘会议（ICDM）已成为全球数据挖掘领域首屈一指的研究盛会。它为分享原创研究成果以及交流和传播创新实践经验提供了一个国际平台。会议涵盖数据挖掘的各个方面，包括算法、软件、系统和应用。
ICDM汇聚了来自大数据、深度学习、模式识别、统计与机器学习、数据库、数据仓库、数据可视化、知识库系统、高性能计算和大型模型等众多数据挖掘相关领域的研究人员、应用开发者和从业人员。通过推广新颖、高质量的研究成果和针对复杂数据挖掘问题的创新解决方案，ICDM致力于推动数据挖掘领域的发展。

1、出版信息

会议期间将为最佳论文和最佳学生论文的作者颁奖。部分优秀论文将被邀请以扩展和修订的形式发表在Springer出版的《知识与信息系统》期刊上。

2、组委会

大会主席：
Claudia Plant（奥地利维也纳大学）
杨晓春 Xiaochun Yang（东北师范大学）
程序委员会主席：
Danai Koutra（美国密歇根大学安娜堡分校）
高晓峰 Xiaofeng Gao（上海交通大学）
应用轨道主席：
Vagelis Hristidis（美国加州大学河滨分校）
Yeye He（微软研究院）
Workshop 主席：
文洁 Zhang Wenjie（澳大利亚新南威尔士大学）
Alexander Zhou（香港理工大学）
Phi Le Nguyen（越南河内理工大学）
出版主席：
张岩峰 Yanfeng Zhang（东北师范大学）
Xinjian Luo（阿联酋穆罕默德·本·扎耶德人工智能大学）
财务主席：
郭贵冰 Guibing Guo（东北师范大学）

• 基础与理论
  数据挖掘的基础、算法、模型和理论，包括大数据挖掘。
• 机器学习/深度学习与统计方法
  机器学习、深度学习和大数据统计方法。
• 异构数据挖掘
  挖掘异构数据源，包括文本数据、半结构化数据、时空数据、流数据、图数据、网络数据和多媒体数据。
• 系统与平台
  用于分析大数据的数据挖掘系统和平台，包括并行和分布式数据挖掘方法、联邦学习，以及它们的效率、可扩展性、安全性和隐私性。
• 建模、可视化和推荐
  数据挖掘在建模、可视化、个性化和推荐中的应用。
• 信息物理系统与复杂时变网络
  网络物理系统和复杂、随时间演变的网络的数据挖掘。
• LLM驱动
  利用大型语言模型进行数据挖掘。
• 新型应用
  数据挖掘在数据科学中的新应用，包括社会科学、物理科学、工程学、生命科学、气候科学、网络、市场营销、金融、精准医疗、健康信息学等领域的大数据分析。

1、重要时间

• 主会议全文提交截止日期：2026年6月6日
• 主会议作者通知：2026年8月16日
• 研讨会论文提交截止日期：2026年8月20日
• 研讨会论文通知：2026年9月20日

2、投稿指南

论文篇幅应限制在十 (10) 页以内，采用 IEEE 双栏格式（https://www.ieee.org/conferences/publishing/templates.html），包括参考文献和所有可能的附录。超过十页的稿件将不予审阅。

[email protected]