欢迎来到速发表网,咨询电话:400-838-9661

关于我们 登录/注册 购物车(0)

首页 > SCI期刊 > 计算机科学 > Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery

Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery

评价信息:

影响因子:4.476

年发文量:60

Wiley 跨学科评论——数据挖掘和知识发现 SCIESCI

Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery

《Wiley 跨学科评论——数据挖掘和知识发现》(Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery)是一本以COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE-COMPUTER SCIENCE, THEORY & METHODS综合研究为特色的国际期刊。该刊由WILEY PERIODICALS, INC出版商创刊于2011年,刊期6 issues/year。该刊已被国际重要权威数据库SCIE、SCI收录。期刊聚焦COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE-COMPUTER SCIENCE, THEORY & METHODS领域的重点研究和前沿进展,及时刊载和报道该领域的研究成果,致力于成为该领域同行进行快速学术交流的信息窗口与平台。该刊2022年影响因子为7.8。CiteScore指数值为20.40。

投稿咨询 加急发表

期刊简介预计审稿时间:>12周,或约稿

The objectives of WIREs DMKD are to (a) present the current state of the art of data mining and knowledge discovery through an ongoing series of reviews written by leading researchers, (b) capture the crucial interdisciplinary flavor of the field by including articles that address the key topics from the differing perspectives of data mining and knowledge discovery, including a variety of application areas in technology, business, healthcare, education, government and society and culture, (c) capture the rapid development of data mining and knowledge discovery through a systematic program of content updates, and (d) encourage active participation in this field by presenting its achievements and challenges in an accessible way to a broad audience. The content of WIREs DMKD will be useful to upper-level undergraduate and postgraduate students, to teaching and research professors in academic programs, and to scientists and research managers in industry.

WIREs DMKD 的目标是 (a) 通过领先研究人员撰写的一系列评论来展示当前数据挖掘和知识发现的艺术水平,(b) 通过包括从数据挖掘和知识发现的不同角度讨论关键主题的文章,包括技术、商业、医疗保健、教育、政府和社会和文化中的各种应用领域,(c) 捕捉数据挖掘和知识的快速发展通过系统的内容更新计划进行发现,以及 (d) 通过以易于理解的方式向广大受众展示其成就和挑战,鼓励积极参与这一领域。 WIREs DMKD 的内容将对高年级本科生和研究生、学术课程的教学和研究教授以及行业的科学家和研究经理有用。

《Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery》(Wiley 跨学科评论——数据挖掘和知识发现)编辑部通讯方式为ONE MONTGOMERY ST, SUITE 1200, SAN FRANCISCO, USA, CA, 94104。如果您需要协助投稿或润稿服务,您可以咨询我们的客服老师。我们专注于期刊投稿服务十年,熟悉发表政策,可为您提供一对一投稿指导,避免您在投稿时频繁碰壁,节省您的宝贵时间,有效提升发表机率,确保SCI检索(检索不了全额退款)。我们视信誉为生命,多方面确保文章安全保密,在任何情况下都不会泄露您的个人信息或稿件内容。

中科院分区

2022年12月升级版

大类学科 分区 小类学科 分区 Top期刊 综述期刊
计算机科学 2区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 2区 2区

2021年12月基础版

大类学科 分区 小类学科 分区 Top期刊 综述期刊
工程技术 2区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 3区 2区

2021年12月升级版

大类学科 分区 小类学科 分区 Top期刊 综述期刊
计算机科学 2区 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 2区 3区

2020年12月旧的升级版

大类学科 分区 小类学科 分区 Top期刊 综述期刊
计算机科学 2区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 2区 2区
名词解释:

基础版:即2019年12月17日,正式发布的《2019年中国科学院文献情报中心期刊分区表》;将JCR中所有期刊分为13个大类,期刊范围只有SCI期刊。

升级版:即2020年1月13日,正式发布的《2019年中国科学院文献情报中心期刊分区表升级版(试行)》,升级版采用了改进后的指标方法体系对基础版的延续和改进,影响因子不再是分区的唯一或者决定性因素,也没有了分区的IF阈值期刊由基础版的13个学科扩展至18个,科研评价将更加明确。期刊范围有SCI期刊、SSCI期刊。从2022年开始,分区表将只发布升级版结果,不再有基础版和升级版之分,基础版和升级版(试行)将过渡共存三年时间。

JCR分区

2021-2022年最新版JCR分区等级:Q1

JCR学科 分区
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE Q1
COMPUTER SCIENCE, THEORY & METHODS Q1
Gold OA文章占比 研究类文章占比 文章自引率
12.21% 35.48% 0.03...
开源占比 出版国人文章占比 OA被引用占比
0.08... 0.12 0.20...

名词解释:JCR分区在学术期刊评价、科研成果展示、科研方向引导以及学术交流与合作等方面都具有重要的价值。通过对期刊影响因子的精确计算和细致划分,JCR分区能够清晰地反映出不同期刊在同一学科领域内的相对位置,从而帮助科研人员准确识别出高质量的学术期刊。

CiteScore 指数

CiteScore SJR SNIP CiteScore 指数
20.40 2.330 3.972
学科类别 分区 排名 百分位
大类:Computer Science 小类:General Computer Science Q1 7 / 233

97%

名词解释:CiteScore是基于Scopus数据库的全新期刊评价体系。CiteScore 2021 的计算方式是期刊最近4年(含计算年度)的被引次数除以该期刊近四年发表的文献数。CiteScore基于全球最广泛的摘要和引文数据库Scopus,适用于所有连续出版物,而不仅仅是期刊。目前CiteScore 收录了超过 26000 种期刊,比获得影响因子的期刊多13000种。被各界人士认为是影响因子最有力的竞争对手。

数据趋势图

历年中科院分区趋势图

历年IF值(影响因子)

历年引文指标和发文量

历年自引数据

发文数据

2019-2021年国家/地区发文量统计

国家/地区 数量
USA 31
CHINA MAINLAND 27
Spain 16
GERMANY (FED REP GER) 13
Australia 12
England 12
India 10
Italy 8
Turkey 7
Brazil 6

2019-2021年文章引用数据

文章引用名称 引用次数
Deep learning for sentiment analysis: A ... 99
Ensemble learning: A survey 90
Causability and explainability of artifi... 59
Hyperparameters and tuning strategies fo... 53
Deep learning for remote sensing image c... 31
Anomaly detection by robust statistics 17
A survey of incremental high-utility ite... 16
Performance evaluation in non-intrusive ... 15
Recent trends in machine learning for hu... 11
A survey on educational process mining 11

2019-2021年文章被引用数据

被引用期刊名称 数量
IEEE ACCESS 70
WIRES DATA MIN KNOWL 32
EXPERT SYST APPL 25
INFORM SCIENCES 23
SENSORS-BASEL 15
REMOTE SENS-BASEL 13
APPL SCI-BASEL 12
WATER-SUI 12
SCI REP-UK 11
APPL INTELL 10

2019-2021年引用数据

引用期刊名称 数量
J MACH LEARN RES 38
WIRES DATA MIN KNOWL 32
IEEE T PATTERN ANAL 27
INFORM SCIENCES 25
EXPERT SYST APPL 24
MACH LEARN 24
PATTERN RECOGN 22
IEEE T EVOLUT COMPUT 20
SCIENCE 20
KNOWL-BASED SYST 19

相关期刊

免责声明

若用户需要出版服务,请联系出版商:ONE MONTGOMERY ST, SUITE 1200, SAN FRANCISCO, USA, CA, 94104。