知识图谱与知识发现领域的顶级期刊与会议

最新推荐文章于 2025-06-03 17:21:27 发布
原创 最新推荐文章于 2025-06-03 17:21:27 发布 · 8.8k 阅读 · 55 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#知识图谱 #知识发现 #顶级会议 #顶级期刊 #资源总结

本文汇总了中国计算机学会推荐的国际学术期刊和会议资源，覆盖数据库、数据挖掘、内容检索及人工智能领域，包括各类期刊的简称、全称、出版社及网址信息。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

中国计算机学会推荐 国际学术期刊 ( 数据库/ 数据挖掘/ 内容检索)
A 类
刊物简称 刊物全称 出版社 网址
TKDE IEEE Transactions on Knowledge and Data Engineering IEEE http://dblp.uni-trier.de/db/journals/tkde/
B 类
刊物简称 刊物全称 出版社 网址
TKDD ACM Transactions on Knowledge Discovery from Data ACM http://dblp.uni-trier.de/db/journals/tkdd/
DKE Data and Knowledge Engineering Elsevier http://dblp.uni-trier.de/db/journals/dke/
DMKD Data Mining and Knowledge Discovery Springer http://dblp.uni-trier.de/db/journals/datamine/
KIS Knowledge and Information Systems Springer http://dblp.uni-trier.de/db/journals/kais/

中国计算机学会推荐 国际学术会议 ( 数据库 ／ 数据挖掘 ／ 内容检索)
A类
刊物简称 刊物全称 出版社 网址
SIGKDD ACM Knowledge Discovery and Data Mining ACM http://dblp.uni-trier.de/db/conf/kdd/
B 类
会议简称 会议全称 出版社 网址
CIKM ACM International Conference on Information and Knowledge Management ACM http://dblp.uni-trier.de/db/conf/cikm/
ECML-PKDD
European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases Springer
http://dblp.uni-trier.de/db/conf/ecml/
http://dblp.uni-trier.de/db/conf/pkdd/

中国计算机学会推荐 国际学术 期刊（人工智能）
B类
刊物简称 刊物全称 出版社 网址
DKE Data and Knowledge Engineering Elsevier http://dblp.uni-trier.de/db/journals/dke/index.html

中国计算机学会推荐 国际学术会议 （人工智能）
B类
刊物简称 刊物全称 出版社 网址
KR International Conference on Morgan Kaufmann Principles of Knowledge Representation and Reasoning http://dblp.uni-trier.de/db/conf/kr/

基于知识图谱的多源异构数据推理融合
AI天才研究院
03-27 383
在当今数字化时代，数据呈现出爆炸式增长，且来源广泛、格式多样，包括文本、图像、音频、视频等不同类型的数据，以及来自不同系统、不同组织的结构化、半结构化和非结构化数据。这些多源异构数据蕴含着丰富的信息，但由于其复杂性，难以直接进行分析和利用。基于知识图谱的多源异构数据推理融合技术的目的在于整合这些多源异构数据，挖掘数据之间的潜在关系，通过推理机制获取新的知识，从而为决策支持、智能问答、信息检索等应用提供更全面、准确的信息。
AI人工智能领域知识图谱的技术难点突破
大模型应用工坊
05-27 970
在当今的AI人工智能时代，知识图谱作为一种强大的知识表示和管理工具，正发挥着越来越重要的作用。它能够将海量的、复杂的信息以结构化的方式进行组织和表示，为智能系统提供更全面、更深入的知识支持。然而，知识图谱的构建和应用过程中面临着诸多技术难点，如数据融合、语义理解、知识推理等。本文的目的在于深入探讨这些技术难点，并提出有效的突破方法，以推动知识图谱在AI领域的更广泛应用。
Adaptive Temporal-Frequency Network for Time-Series Forecasting（TKDE）
小蚂蚁与大象
06-23 884
提出了一种用于中长期时间序列预测的自适应时频网络(ATFN)，它是一种融合深度学习网络和频繁模式的端到端混合模型。在ATFN框架内，利用增广序列到序列模型学习复杂非平稳时间序列的趋势特征，利用频域块捕捉时间序列数据的动态和复杂周期模式，利用全连接神经网络将趋势和周期特征结合起来产生最终的预测。设计了相位自适应、频率自适应和幅度自适应的频率机制，将当前滑动窗口的频谱映射到预测区间的频谱。多层神经网络进行类似于反离散傅里叶变换的变换来生成周期性特征预测。利用不同周期特征的合成数据和实际数据来评估模型的有效性。实
知识图谱顶会论文2005-2019.rar
09-23
知识图谱2005年至2019年部分顶会论文，包括关系抽取、命名实体识别、实体消歧、事件抽取、问答系统和知识表示方向的论文
数据挖掘顶刊《IEEE Transactions on Knowledge and Data Engineering》2025年5月研究热点都有些什么？
最新发布
audyxiao001的博客
06-03 2226
本文对2025年5月TKDE研究热点进行分析，通过生成词云图、汇总论文和提取高频词来把握当前热点，为研究人员提供参考。
知识图谱顶刊综述 - (2021年4月) A Survey on Knowledge Graphs: Representation, Acquisition, and Applications
热门推荐
CJK's Blog
10-02 1万+
这是2021年4月发表在知识图谱领域顶刊上的一篇综述文章, 论文名 A Survey on Knowledge Graphs: Representation, Acquisition, and Applications人类知识提供了对世界的正式理解.表示实体之间结构关系的知识图谱已成为认知和人类智能领域日益流行的研究方向.在本次回顾中,我们对知识图谱进行了全面回顾,涵盖了以下总体研究主题：1)知识图谱表示学习,2)知识获取和完成,3)时间知识图谱,以及4)知识感知应用,并总结了最近的突破和展望方向,以便将来
AI顶级会议以及期刊
William Zhao's notes
02-05 1697
Upcoming Top Conferences NIPS 2009 UAI 2009 ICML 2009 COLT 2009 AISTATS 2009 CVPR 2009 ICCV 2009 ECCV 2010 IJCAI 2011 AAAI 2010 SIGIR 2010
2023年 图表示学习、知识图谱相关SCI专刊与会议整理
闯入网络安全的数据分析小白
11-22 1953
2023年图计算相关期刊会议
【学术】自然语言处理国内外著名会议、期刊
小白兔的窝
11-26 2736
国际会议 1.ACL（International association of computational linguistics）国际计算语言学会 影响力最高，h5指数87。成立于1962年的ACL于今年正式成立ACL亚太分会（AACL），首届预计于2020年举行，此后将每两年举行一次。是本领域最权威的学术会议之一。 2.NAACL(North American Association ...
知识图谱与迁移学习的创新结合
AI天才研究院
05-01 909
知识图谱作为一种强大的知识表示和管理工具，能够以图的形式清晰地展现实体之间的关系，为信息的组织和查询提供了高效的方式。迁移学习则致力于解决不同领域数据分布差异导致的模型泛化问题，通过将源领域的知识迁移到目标领域，提高目标领域模型的性能。本文的目的在于深入研究知识图谱与迁移学习的创新结合方式，探讨如何利用知识图谱丰富的语义信息来增强迁移学习的效果，以及迁移学习如何为知识图谱的构建和应用提供新的思路和方法。范围涵盖了从理论原理的分析到实际应用案例的展示，包括核心算法、数学模型、项目实战等方面。
餐饮娱乐领域知识图谱构建和应用.pdf
08-03
此外，从文档提到的王金刚博士的简历中，我们可以看到他在自然语言处理领域的深厚研究背景和实践经验，包括在顶级会议和期刊上发表的论文，以及在阿里巴巴达摩院等知名研究机构的工作经历。这些信息进一步证明了他在...
AI人工智能领域知识图谱在电商商品推荐中的优化
AI智能探索者的博客
04-18 970
在当今竞争激烈的电商市场中，商品推荐系统起着至关重要的作用。它能够帮助电商平台提高用户的购物体验，增加用户的购买转化率，从而提升平台的销售额和用户忠诚度。然而，传统的商品推荐系统往往存在一些局限性，例如缺乏对商品语义信息的理解，难以捕捉用户的潜在需求等。知识图谱作为一种强大的语义表示工具，能够将实体及其之间的关系以图形化的方式进行表示，为电商商品推荐提供了丰富的语义信息。本文章的目的就是探讨如何利用AI人工智能领域的知识图谱来优化电商商品推荐系统，提高推荐的准确性和个性化程度。
2020年7月前后必读的六篇与知识图谱表示学习KGRL相关的顶会论文（6篇，附代码）
07-18
2020年07月以来，KDD、ICML、ACL、IJCAI会议论文公布，本文特意整理了最新8篇关于知识图谱的论文，其作者分别来自Amazon、CMU、斯坦福 、Google等。值得大家一起来鉴赏学习。
知识图谱到底是什么？从各顶会看知识图谱定义
06-10
知识图谱在计算机科学领域的吸引力越来越大，通常被认为是令人印象深刻的新技术背后的“秘方”。在这次演讲中，我们将讨论从最近的ML和AI会议中看到的关于理解知识图谱的各种角度和观点。最后，我们将确定与知识图谱有关的公共属性。
【知识图谱构建】Generative Knowledge Graph Construction: A Review （论文笔记）
liqq234的博客
03-20 773
xyxy。
机器学习与知识发现_知识图谱与机器学习｜KG入门 -- Part1-b 图深度学习
weixin_39723920的博客
11-22 358
图深入学习越来越重要。在这里，我将使用Spektral库和平台MatrixDS展示关于图的机器学习和深度学习的基本思想。这是上一篇文章的延续，主要强调深度学习。介绍我们正在定义一种新的机器学习方法，专注于一种新的范式 -- Data Fabric。在上一篇文章中，我们对机器学习给出了新的定义:机器学习是一种自动发现Data Fabric中隐藏的”洞察力“(insight)的过程，它使用的算法能够发...
知识图谱顶会论文(SIGIR-2022) MorsE：归纳知识图嵌入的元知识迁移
CJK's Blog
10-09 2567
由大量三元组组成的知识图(KG)近年来得到了广泛的应用，人们提出了许多知识图嵌入(KGE)的方法来将KG的实体和关系嵌入到连续的向量空间中。这种嵌入方法简化了执行各种KG内任务(例如，链接预测)和KG外任务(例如，问题回答)的操作。它们可以被视为表达KG的通用方案。然而，现有的KGE方法不适用于归纳设置，因为在归纳设置中，源KG上训练的模型将在模型训练时看不到的实体的目标KG上进行测试。已有的研究主要集中在归纳设置下的知识发现上，只能解决归纳关系预测问题。
机器学习与知识发现_北大张铭教授：基于知识图谱的机器学习
weixin_39559523的博客
11-23 449
尽管人工智能依靠机器学习和深度学习取得了快速进展，但严重依赖于人类的监督以及大量的标注数据，成本高昂，且缺乏可解释性。图灵奖获得者、知识工程鼻祖费根鲍姆曾强调过知识中蕴含的巨大力量，单单依靠统计模式、而缺乏符号化知识结构的人工智能，离强人工智能仍具有较大差距。如何利用丰富的背景知识实现机器认知？如何打开AI的黑箱、提高智能系统的可解释性，从而促进智能决策的落地？知识图谱和机器学习的结合或许会是上述...
知识图谱顶会论文(IJCAI-2022) TEMP：多跳推理的类型感知嵌入
CJK's Blog
10-07 2474
论文地址: Type-aware Embeddings for Multi-Hop Reasoning over Knowledge Graphs由于传统的子图匹配方法不能很好地处理噪声和缺失信息，现实生活中的知识图(KGs)上的多跳推理是一个极具挑战性的问题。为了解决这个问题，最近流行一种很有前景的方法来替代传统的子图匹配方法，该方法通过将逻辑查询和KG联合嵌入到低维空间中来识别预测的实体。然而，现有的方法忽略了KG中固有的关键语义知识，例如类型信息。为了利用类型信息，我们提出了一种新颖的类型感知消息传递
知识图谱能投什么期刊
02-23
### 可供提交知识图谱相关论文的期刊和会议列表 对于希望发表知识图谱领域研究成果的研究人员来说，选择合适的期刊和会议至关重要。以下是几个推荐的选择： #### 顶级国际会议 - **IEEE International Conference on Knowledge Graphs (ICKG)** ICKG 是专注于知识图谱研究的重要年度活动之一，在该会议上展示的工作涵盖了理论进展和技术应用等多个方面[^2]。 - **International Semantic Web Conference (ISWC)** ISWC 被认为是语义网及相关技术的核心论坛，其中也包含了大量有关知识表示、推理以及大规模数据集成的内容，这些都是构建高效能的知识图谱所必需的基础构件。 - **ACM SIGMOD Conference** 尽管 SIGMOD 主要关注数据库管理系统的设计实现及其性能优化等问题，但近年来随着图形数据库的发展壮大，越来越多涉及复杂关系建模的文章也开始在此平台上交流分享。 #### 高影响力学术期刊 - **Journal of Web Semantics** 这份由 Elsevier 出版发行的专业刊物长期致力于推动万维网上下文感知服务架构设计原则的确立与发展工作；其收录范围广泛覆盖了从基础理论探讨到实际案例分析在内的各类高质量稿件。 - **Semantic Web Journal** 同样隶属于 IOS Press 的《语义网络》杂志旨在促进跨学科间合作创新成果的有效传播扩散，特别鼓励那些能够体现前沿探索精神并具有潜在商业价值的新颖思路方法论被更多同行知晓认可。 - **Knowledge and Information Systems (KAIS)** KAIS 致力于发布经过严格评审后的原创性贡献文章，主题围绕着如何更好地管理和利用海量异构信息资源展开讨论，因此非常适合从事知识发现挖掘工作的学者投稿。 ```python # Python code to demonstrate how one might programmatically gather this information. import requests def fetch_conferences_and_journals(): url = "https://api.example.com/conference-journal-list" response = requests.get(url) if response.status_code == 200: data = response.json() conferences = data['conferences'] journals = data['journals'] print("Conferences:") for conf in conferences: print(f"- {conf}") print("\nJournals:") for jour in journals: print(f"- {jour}") fetch_conferences_and_journals() ```
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值