宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

分析：

一流的：

数据库三大峰会SIGMOD、VLDB、ICDE、数据挖掘KDD，实际涉及机器学习ICML，以及信息检索的SIGIR； 数据库的理论会议PODS。

二流的：

EDBT、ICDT、CIKM、SDM、ICDM、PKDD以及ECML欧洲机器学习会议

SIGMOD:97分，数据库最高会议，范围广，应用稍偏因理论文章有PODS )。 没说，仰慕如滔滔江水。 这个会议不仅有双波段审查，还有rebuttal procedure，可以说是独特的特点。

VLDB:95分，是个非常好的数据库会议。 与SIGMOD相似，范围广，稍偏向应用。

从文章的质量来说，SIGMOD和VLDB是伯仲，没有说谁比谁高。 他们的范围也差不多。 很多牛认为今年的rebuttal procedure其实不太成功。 帖子太多，都很难公平公正。 很多rebuttal都没人看到。

双刃剑是一把双刃剑。 这几年，每年都有人冒充牛人的风格投稿，有些人真的进去了。 反而VLDB的审稿质量要高得多。 每年的VLDB都有理论上的包装器。

一般来说，我觉得SIGMOD更好一点。 根据我个人读的文章，也有这种感觉。 但是，这不重要。 有区别的也只有那个。

PODS:95分。 “是数据库理论的最好会议，也是好的理论会议”。 每年联合定位的with SIG mod。 其中以有算法背景的人为主流可以算出PODS文章中有多少来自Motwani group )，也有人有部分AI背景毕竟SIGART也是主办方之一)。 其影响力虽远不及SIGMOD，但其中文章质量比较整齐，变异小于SIGMOD 和其他数据库会议)。 一个牛人说：“PODS never had a really bad paper，” 这是值得自豪的地方。

KDD:full paper 95分，poster/short paper 90分。 数据挖掘的最高会议。 由于历史积累不足和领域范围小，KDD当然不如目前SIGMOD。 我认为我们可以这样类比。 KDD:SIGMOD=CRYPTO:STOC。

回顾密码学的历史，真正最牛的文章一般都发表在STOC/FOCS上，而不是CRYPTO/EUROCRYPT上。 这和今天的数据挖掘有多相似！ 但是，请看今天密码学的报道。 顶级密码学家很抱歉写名字)已经不再向STOC/FOCS投稿了。 我认为同样的事情在不久的将来也会发生在数据挖掘上。 我期待着。

近年来KDD的质量都很高。 其全包装质量高于SIGMOD/VLDB中数据挖掘中包装的质量。 原因是SIGMOD/VLDB审核者中很少有人进行数据挖掘，审核标准未必能很好地掌握。

这几年，SIGMOD/VLDB的数据挖掘paper正在跟进几个KDD的paper。 在KDD上，很难得到完整版。 去年复旦摘了一篇，真珍贵。 他们今年又拿下了SIGMOD demo，表明工作确实很扎实。

据说在很多地方，有一瓶SIGMOD/VLDB/KDD就能完成博士课程，有两瓶就能找到好工作。 “革命还没有成功，同志还需要努力！ ”

ICDE:92分。 好的数据库会议，也是煮饭。 优点是涵盖面广、包容性强，缺点是文章层次参差不齐。

EDBT:88分，好数据库会议，录取率低，但缺乏历史积累，影响明显不及ICDE。

ICDT:88分，PODS的欧洲版，数据库理论第二次会议。

与SIGMOD/VLDB一样，ICDE和EDBT的质量和影响不同。 其他CIKM、ICDM、SDM、SSDBM、PKDD等不如上述会议。

CIKM:85分。

SDM :全包装90分，poster/short paper 85分。 SIAM的数据挖掘会议与ICDM并列为数据挖掘领域的第二位，比KDD有明显的差距。 其中似乎有很多是统计背景的人，也有部分机器学习背景的人，是diversified。

icdm :全纸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2位，明显比KDD有差异。

PKDD:83分因为poster/short paper的数量少，所以不区分)。 好像是KDD的欧洲版，和KDD的差距很大。

168飞艇6种不亏钱的方法请看今天密码学的报道。 顶级密码学家很抱歉写名字)已经不再向STOC/FOCS投稿了。 我认为同样的事情在不久的将来也会发生在数据挖掘上。 我期待着。

近年来KDD的质量都很高。 其全包装质量高于SIGMOD/VLDB中数据挖掘中包装的质量。 原因是SIGMOD/VLDB审核者中很少有人进行数据挖掘，审核标准未必能很好地掌握。

这几年，SIGMOD/VLDB的数据挖掘paper正在跟进几个KDD的paper。 在KDD上，很难得到完整版。 去年复旦摘了一篇，真珍贵。 他们今年又拿下了SIGMOD demo，表明工作确实很扎实。

据说在很多地方，有一瓶SIGMOD/VLDB/KDD就能完成博士课程，有两瓶就能找到好工作。 “革命还没有成功，同志还需要努力！ ”

ICDE:92分。 好的数据库会议，也是煮饭。 优点是涵盖面广、包容性强，缺点是文章层次参差不齐。

EDBT:88分，好数据库会议，录取率低，但缺乏历史积累，影响明显不及ICDE。

ICDT:88分，PODS的欧洲版，数据库理论第二次会议。

与SIGMOD/VLDB一样，ICDE和EDBT的质量和影响不同。 其他CIKM、ICDM、SDM、SSDBM、PKDD等不如上述会议。

CIKM:85分。

SDM :全包装90分，poster/short paper 85分。 SIAM的数据挖掘会议与ICDM并列为数据挖掘领域的第二位，比KDD有明显的差距。 其中似乎有很多是统计背景的人，也有部分机器学习背景的人，是diversified。

icdm :全纸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2位，明显比KDD有差异。

PKDD:83分因为poster/short paper的数量少，所以不区分)。 好像是KDD的欧洲版，和KDD的差距很大。