Российский открытый архив препринтов — по образцу arXiv.org (Cornell / Los Alamos) Открытый архив препринтов Telegram MAX О проекте Вход для авторов
Добавить статью Вход для авторов
Подписаться на канал:

Главная · Публикация в журналах · KDD (Конференция по обнаружению знаний и интеллектуальному анализу данных)

Как опубликовать статью в KDD (Конференция по обнаружению знаний и интеллектуальному анализу данных)

KDD (ACM SIGKDD Conference on Knowledge Discovery and Data Mining) — старейшая и наиболее авторитетная конференция мира по обнаружению знаний и интеллектуальному анализу данных. Первая международная конференция KDD прошла в 1995 году (а серия воркшопов ведёт историю с 1989-го); с 1998 года мероприятие проводит специальная группа ACM — SIGKDD. Сегодня KDD считается флагманской площадкой по data mining, машинному обучению на данных, рекомендательным системам, графам и прикладной науке о данных.

KDD — это не журнал, а рецензируемая конференция с трудами ACM (ACM Digital Library). Публикация состоит из двух треков: Research Track (фундаментальные результаты) и Applied Data Science (ADS) Track (промышленные и прикладные работы). Одну и ту же статью можно подавать только в один трек. Подача идёт через систему OpenReview, а рецензирование — double-blind (двойное слепое): из рукописи убирают имена авторов, аффилиации и любые опознавательные детали.

С 2024–2026 годов KDD перешёл на два цикла подачи в год (условно «августовский» и «февральский»), что даёт больше возможностей попасть в очередной сборник трудов. Трек Research традиционно очень селективен — доля принятых работ держится около 19–20%. Ниже — пошаговый порядок подачи, актуальная препринт-политика со ссылкой на официальный документ и ответы на частые вопросы.

Совет: рецензирование в KDD — ACM SIGKDD Conference on Knowledge Discovery and Data Mining может занять месяцы. Чтобы зафиксировать научный приоритет уже сегодня, разместите русскоязычный препринт на арХиворг.ру — это бесплатно, работа получает постоянную ссылку и идентификатор AX для цитирования, а модерация занимает 1–2 рабочих дня. Добавить препринт

KDD (Конференция по обнаружению знаний и интеллектуальному анализу данных): коротко о журнале

Издатель ACM SIGKDD (труды в ACM Digital Library)
Офиц. сайт https://kdd.org/
Год основания Первая конференция KDD — 1995 (воркшопы с 1989)
Тематика Data mining, обнаружение знаний, ML, наука о данных, ИИ
Язык подачи Английский (двухколоночный шаблон ACM)
Система подачи OpenReview
Треки Research Track и Applied Data Science (ADS) Track
Рецензирование Double-blind, два цикла подачи в год
Селективность Research Track ~19–20% принятых работ
Стоимость (APC) Нет APC; оплачивается регистрация на конференцию (2026)

Официальный сайт журнала: kdd.org

Как подать статью в KDD — ACM SIGKDD Conference on Knowledge Discovery and Data Mining: пошагово

  1. Определите трек: Research Track (фундаментальные результаты) или Applied Data Science Track (прикладные/промышленные работы). Подавать в оба одновременно нельзя.
  2. Свяжите работу с ближайшим циклом подачи. У KDD два окна в год — например, для KDD 2026: Cycle 1 (абстракт ~24 июля, статья ~31 июля 2025) и Cycle 2 (абстракт 1 февраля, статья 8 февраля 2026). Дедлайны — по времени AoE (Anywhere on Earth).
  3. Оформите рукопись по шаблону ACM в двухколоночном формате (\documentclass[sigconf,anonymous,review]{acmart}): 8 содержательных страниц + неограниченные ссылки и приложение, единый PDF.
  4. Полностью анонимизируйте текст: уберите имена, аффилиации, благодарности и раскрывающие самоцитирования — рецензирование double-blind.
  5. Зарегистрируйтесь в OpenReview и сначала подайте абстракт к дедлайну абстрактов, затем — полный PDF к дедлайну статьи.
  6. Учтите требование к рецензированию: как минимум один автор должен выступить квалифицированным рецензентом (обычно — автор с опытом публикаций в KDD или смежных конференциях).
  7. Пройдите этап rebuttal (ответ авторов на рецензии) в указанные даты, затем дождитесь нотификации о решении.
  8. При принятии подготовьте camera-ready версию (до 9 содержательных страниц + до 3 страниц ссылок/приложения) и обеспечьте очную презентацию — no-show работы могут быть исключены из трудов.

Можно ли выложить препринт до публикации в KDD — ACM SIGKDD Conference on Knowledge Discovery and Data Mining?

Препринты на KDD разрешены. В официальном Call for Papers исследовательского трека прямо сказано: «Authors may submit anonymized work that is already available as a preprint (e.g., on arXiv or SSRN) without citing it» — то есть можно подавать работу, уже выложенную препринтом (например, на arXiv или SSRN), не ссылаясь на неё в анонимной рукописи.

  • Условие анонимности. Рецензирование double-blind: сама рукопись не должна содержать имён, аффилиаций и опознавательных деталей, а препринт нельзя цитировать так, чтобы это раскрывало авторство.
  • Историческая деталь. Ранее (например, KDD 2019) действовало более жёсткое правило — препринт допускался при выкладке минимум за месяц до дедлайна и с отличающимися заголовком/аннотацией. Актуальные CFP сформулированы мягче — проверяйте формулировку в CFP конкретного года.
  • Где смотреть первоисточник: Research Track Call for Papers — KDD 2026 и общий сайт kdd.org.

Практический вывод: препринт на arxivorg.ру или arXiv не мешает подаче в KDD, если рукопись остаётся анонимной и препринт не «выдаёт» авторов через прямое самоцитирование.

Советы по подаче

Как повысить шансы и не нарушить правила:

  • Строго соблюдайте анонимизацию: любое раскрытие авторства (в тексте, метаданных PDF, ссылках на репозиторий) — частая причина desk-reject.
  • Не превышайте лимит: 8 содержательных страниц в шаблоне ACM; всё сверх — только в неограниченном приложении и списке литературы.
  • Заранее назначьте автора-рецензента, отвечающего требованиям, иначе подача может быть отклонена по формальному признаку.
  • Готовьтесь к rebuttal: чёткие, короткие ответы на замечания реально влияют на итоговое решение.
  • Сверяйте точные даты в CFP нужного года: KDD 2026 Research Track CFP, ADS Track CFP, список конференций на kdd.org/conferences.

Пока идёт рецензирование в KDD — выложите русскоязычный препринт на arxivorg.ру: это бесплатно, вы получаете постоянную ссылку, идентификатор AX и лицензию CC BY 4.0, что помогает закрепить научный приоритет и сделать работу цитируемой ещё до решения конференции. Модерация занимает 1–2 рабочих дня.

Пока журнал рецензирует — препринт уже работает на вас

Разместите работу на арХиворг.ру (если препринт-политика журнала это разрешает — см. выше): бесплатно, постоянная ссылка и идентификатор AX, лицензия CC BY 4.0, индексация в поиске и видимость для ИИ-ассистентов. Публикация в журнале при этом остаётся вашей главной целью — препринт лишь закрепляет приоритет и даёт ранние цитирования.

Добавить статью

Частые вопросы

Сколько стоит публикация в KDD?

Отдельного APC (article processing charge) у KDD нет: статья публикуется в трудах ACM после принятия. Оплачивается регистрационный взнос для участия и презентации на конференции; необязательный открытый доступ ACM оформляется отдельно.

На каком языке подавать статью?

Только на английском, в двухколоночном шаблоне ACM (sigconf). Русскоязычную версию удобно параллельно выложить препринтом на arxivorg.ру.

Каковы сроки рецензирования?

KDD работает двумя циклами в год. От дедлайна статьи до нотификации проходит порядка 3–4 месяцев, между ними — этап rebuttal (ответы авторов на рецензии) в заранее объявленные даты.

Можно ли выложить препринт на arXiv или arxivorg.ру до подачи?

Да. По официальному CFP допускается подавать работу, уже доступную препринтом (arXiv, SSRN и т.п.), без её цитирования — при условии, что рукопись остаётся анонимной для double-blind рецензирования.

Насколько высоки шансы на принятие?

Research Track очень селективен: доля принятых работ около 19–20% (KDD 2024–2025). Тщательная анонимизация, чёткий вклад и сильный rebuttal ощутимо повышают шансы.

Чем отличаются Research Track и ADS Track?

Research Track — для фундаментальных методологических результатов, Applied Data Science Track — для прикладных и промышленных работ. Одну статью подают только в один из треков.

Гайды по другим журналам

JMLR (Журнал исследований по машинному обучению) IEEE TNNLS (Транзакции по нейросетям и обучающимся системам) Информатика и её применения Artificial Intelligence (журнал Elsevier / AIJ) Автоматика и телемеханика Известия высших учебных заведений. Машиностроение Все журналы →

арХиворг.ру — независимый архив препринтов; он не аффилирован с журналом KDD — ACM SIGKDD Conference on Knowledge Discovery and Data Mining, его редакцией или издателем (ACM SIGKDD). Сведения о правилах подачи носят справочный характер — актуальные требования проверяйте на официальном сайте журнала.