数据库和数据挖掘领域的会议和期刊
数据库领域主要专注于数据库系统和数据管理算法，而数据挖掘主要是专注于数据价值分析算法。
一、数据库领域的主要会议
========================
数据库领域的顶级会议SIGMOD、ICDE、VLDB，下面将对这三大会议进行一下简单介绍。
SIGMOD
-----------
是Acm Special Interest Group on Management Of Data的简写。
数据库会议中最好的会议，也是最好的系统类的会议之一，在数据库领域具有最高学术地位的国际性学术会议。其文章涉及范围广泛，稍偏应用。这个会议不仅是double-blind review，而且有rebuttal procedure，可谓独树一帜，与众不同。2007年6月11日至6月14日，第26届ACM SIGMOD国际数据管理学术会议在北京国际会议中心举行。
The is concerned with the principles, techniques and applications of database management systems and data management technology. Our members include software developers, academic and industrial researchers, practitioners, users, and students. SIGMOD sponsors the annual SIGMOD/PODS conference, one of the most important and selective in the field.
VLDB
----------
是Very Large Data Bases的缩写。
95分的数据库会议。与SIGMOD类似，涉及范围广泛，稍偏应用。从文章的质量来说，SIGMOD和VLDB难分伯仲，没有说谁比谁更高。他们的范围也几乎一样。反而VLDB的审稿质量一直很高。每年的VLDB都有很理论的paper。2014年，数据库领域著名国际会议VLDB首次在中国杭州举行。
VLDB is an annual conference held by the non-profit Very Large Data Base Endowment Inc. The mission of VLDB is to promote and exchange scholarly work in databases and related fields throughout the world. The VLDB conference began in 1975 and is now closely associated with SIGMOD and SIGKDD.
欧洲的数据库会议，也已经有30年的历史。举办地基本上按照一年欧洲，次年其他洲轮换的规律。它是唯一能接近SIGMOD的会议,一般被认为和SIGMOD同样受尊重。它的PC比较diversified一点，另外录取文章的时候可能会考虑一点地域平衡。因此对于美国的投稿甚至有可能感觉比SIGMOD还难进。在这个会议上也能见到更多的来自美国以外的文章。
ICDE
---------
是IEEE International Conference on Data Engineering
的简写。
92分的数据库会议，是数据和数据库领域的顶级会议。也是一个大杂烩，好处是覆盖面广、包容性强，坏处是文章水平参差不齐。
IEEE的数据库会议。IEEE的会议一般都比ACM对应会议差一些，ICDE也不例外。一般被认为明显比SIGMOD/VLDB差一个档次，但又明显比其他的数据库会议高一个档次。
PODS
--------
是Principles Of Database Systems的简写。
数据库理论的最好会议。95分的数据库会议。每年总是和SIGMOD在同一地点举办。
其中算法背景的人占主流（你可以数数PODS文章中有多少来自Motwani group），也有一部分AI背景的人（毕竟SIGART也是主办者之一）。它的影响力远不及SIGMOD，然而其中文章的质量比较整齐，variance小于SIGMOD（以及其他任何数据库会议）。有一位牛人说：“PODS never had a really bad paper，”这是它值得骄傲的地方。
The
ACM Symposium on Principles of Database Systems (
PODS) is an international research conference on database theory, and has been held yearly since 1982. It is sponsored by three Association for Computing Machinery SIGs, SIGART, SIGACT, and SIGMOD. Since 1991, PODS has been held jointly with the ACM SIGMOD Conference, a research conference on systems aspects of data management.
二、数据挖掘领域的主要会议
=========================
一流的：
数据挖掘SIGKDD
机器学习ICML
信息检索SIGIR
二流的：
EDBT
ICDT
CIKM
SDM
ICDM
PKDD，
还有ECML欧洲的机器学习会议（这个应该是1.5档的，比一般的二流好）
SIGKDD
----------
是ACM SIGKDD Conference on Knowledge Discovery and Data Mining的简写。
full paper 95分，poster/short paper 90分。数据挖掘的最高会议。由于历史积累不足以及领域圈子较小，勿用讳言KDD目前比SIGMOD尚有所不如。 这几年来KDD的质量都很高。其full paper的质量高于SIGMOD/VLDB中数据挖掘方面的paper的质量。原因是SIGMOD/VLDB审稿人中数据挖掘的人很少，审稿标准不一定能掌握得很好。 这几年好几篇SIGMOD/VLDB的数据挖掘paper都follow一些KDD的paper。而在KDD，要拿一篇full paper真难。去年复旦拿了一篇，实属难能可贵。今年他们又拿了一个SIGMOD demo，说明工作的确很扎实。 听说在很多地方，如果能有一篇SIGMOD/VLDB/KDD，就能博士毕业，能有两篇就能找到不错的工作。
ICML
-------
The
International Conference on Machine Learning (ICML) is the leading international academic conference in machine learning. Along with NIPS, it is one of the two primary conferences of high impact in Machine Learning and Artificial Intelligence research. It is supported by the International Machine Learning Society (IMLS).
SIGIR
---------
SIGIR is the Association for Computing Machinery's
Special Interest Group on Information Retrieval.
EDBT
-------
88分，不错的数据库会议，录取率很低然而历史积累不足。
ICDT
-------
88分，PODS的欧洲版，数据库理论第二会议。 和SIGMOD/VLDB一样，ICDE和EDBT在质量和影响上都不相上下。
其它的如CIKM，SDM，ICDM，PKDD等等都比以上的会议差一截。
CIKM
--------
85分。
SDM
---------
full paper 90分，poster/short paper 85分。SDM的数据挖掘会议，与ICDM并列为数据挖掘领域的第二位，比KDD有明显差距。好像其中统计背景的人比较多，也有一部分机器学习背景的人，比较iversified。
ICDM
----------
full paper 90分，poster/short paper 85分。IEEE的数据挖掘会议，与SDM并列为数据挖掘领域的第二位，比KDD有明显差距。
PKDD
---------
83分（因为poster/short paper数量很少，所以不予区分）。好像是KDD的欧洲版，但与KDD差距很大。
三、与数据挖掘有关的主要国际期刊
==============================
DMKD (DAMI): Data Mining and Knowledge Discovery
TKDE: IEEE Transaction on Knowledge and Data Engineering
TKDD: ACM Transaction on KDD
SIGKDD Explorations