2026年第32届ACM SIGKDD知识发现与数据挖掘国际会议

KDD 是数据科学与人工智能领域首屈一指的顶级会议，也是该领域历史最悠久、规模最大的国际论坛。会议旨在为知识发现、数据科学、机器学习与人工智能领域的研究成果与经验报告提供最佳展示平台，推动知识发现与数据挖掘“科学”的进步、教育与采纳，分享满足异构应用与环境需求的新方法，并识别未来研究方向。KDD 2026 的技术议程包括 785 篇 Research Track 论文、185 篇 Applied Data Science 论文，以及由 Jeff Dean、Jingren Zhou、Regina Barzilay 带来的主旨报告和一场关于 AI 下一个十年的专题讨论。

1. 检索信息

• 公开学术平台标注检索类型：Scopus、ESCI（Web of Science）、Ei Compendex、dblp。

2. 出版信息

• 录用论文由 ACM 出版，收录于 ACM Digital Library，属于 Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining 系列。

• 2026 年论文集分为 V.1 与 V.2 两卷，ISBN 示例：979-8-4007-2259-2（V.2）。

• DOI 示例：10.1145/3770855（V.2）。

• 采用 ACM Proceedings 模板。各 Track 的具体页数限制需查阅对应 CFP（Research Track 与 ADS Track 的篇幅要求可能不同）。

3. 组委会信息（部分核心成员）

• 大会主席（General Chairs） ：Won Kim（EMRO，韩国）、Jae-Gil Lee（韩国科学技术院 KAIST，韩国）、Kyuseok Shim（首尔国立大学，韩国）

• Research Track 程序主席：Xiangliang Zhang、Srinivasan Parthasarathy、James Caverlee、David Gleich

• Applied Data Science (ADS) Track 程序主席：WeeHyong Tok、Qi He、Faisal Farooq、Romer Rosales

• Datasets and Benchmarks Track 程序主席：Yan Liu、Haixun Wang、Sayan Ranu

• AI for Science Track 程序主席：Carl Yang、Leman Akoglu

• 论文集主席（Proceeding Chairs） ：Zhe Jiang、Daiwei Zhou、Joonho Kwon

• 本地安排主席（Local Arrangement Chairs） ：Ok-Ran Jeong（嘉泉大学，韩国）、Ki Yong Lee（淑明女子大学，韩国）

KDD 2026 设有 4 个主要 Track：

1. Research Track：涵盖知识发现与数据科学的理论基础、模型与算法，包括知识发现基础、现代 AI 与大数据、可信与负责任的数据科学、数据科学系统与可扩展 AI、数据科学应用等方向。

2. Applied Data Science (ADS) Track：聚焦数据挖掘、数据分析、应用机器学习与 AI 在真实世界中的已部署应用，要求投稿必须包含系统或方案上线后的性能量化数据，否则将被 desk-reject。

3. Datasets and Benchmarks Track：强调高质量数据集、评测基准与工具链。

4. AI for Sciences Track（首届）：聚焦 AI 与数据驱动方法在跨学科科学问题中的应用。

此外，会议还设有 BlueSky Track、Special Day（AI in Education、Finance、Korea Day、Data Day 等）、Workshops、Tutorials、KDD Cup 等环节。

• 投稿系统：OpenReview（各 Track 在 OpenReview 上分别设有 Cycle 2 的投稿入口）。

• 评审方式：KDD 采用双盲评审；投稿在评审期间不在 OpenReview 上公开。

• 作者资料要求：所有列名作者必须拥有完整的 OpenReview 个人资料，包括当前与过去 5 年的机构隶属、个人主页、DBLP（如有发表记录）、ORCID、导师与近期发表（如有）。资料不完整将直接导致 desk-reject。

• 一稿多投限制：同一篇论文不得同时投稿至 Research Track 与 ADS Track。

• 格式与页数：须使用 ACM Proceedings 模板；各 Track 的篇幅限制不同，需查阅对应 CFP。