[科技知识] 如何看待KDD 2024的审稿结果?

天天财汇购物网址万年历小说 | 三峰软件小游戏视频

TxT小说阅读器
↓小说语音阅读,小说下载↓

一键清除系统垃圾
↓轻轻一点,清除系统垃圾↓

图片批量下载器
↓批量下载图片,美女图库↓

图片自动播放器
↓图片自动播放,产品展示↓

首页淘股吧股票涨跌实时统计涨停板选股股票入门股票书籍股票问答分时图选股跌停板选股 K线图选股成交量选股 [平安银行]

股市论谈均线选股趋势线选股筹码理论波浪理论缠论 MACD指标 KDJ指标 BOLL指标 RSI指标炒股基础知识炒股故事

商业财经科技知识汽车百科工程技术自然科学家居生活设计艺术财经视频游戏--

天天财汇 -> 科技知识 -> 如何看待KDD 2024的审稿结果? -> 正文阅读

[科技知识]如何看待KDD 2024的审稿结果?

[收藏本文] 【下载本文】

大家一起分享下KDD 2024的投稿经历，评审结果和rebuttal结果。

[KDD2024] 我在Paper Copilot上做了一些今年分数的统计，数据来源是整个community (有bias)，包括Organic Search, Bing Search。现在有137左右个数据点，欢迎贡献，欢迎扩散，欢迎意见和建议。
链接：KDD 2024 Statistic - Paper Copilot
国内访问如果稍微有点卡顿的话可以试一下vpn或者firefox
Research Track

ADS Track

其他链接：
ACL 2024 Statistic - Paper Copilot (data src: community)
ICML 2024 Statistics - Paper Copilot (data src: community)
ICLR 2024 Statistic - Paper Copilot (data src: Openreview, iclr.cc)

分割线以上为更新内容。我自己也投了一篇，第一轮分数如下：
R1R2R3R4R5R6Scope4/44/44/42/44/44/4Novelty3/74/74/72/76/76/7Technical Quality3/74/76/73/75/75/7Presentation Quality2/33/33/31/33/33/3Reproducibility2/33/33/32/33/33/3Confidence4/43/43/44/44/42/4
感觉被个别审稿人(R4)恶意压分，兄弟们有无良好对策啊...
今年KDD research track审稿了6篇，其中有5篇收到了5-7个审稿人的审稿意见，而且审稿意见分歧都比较大，试问一句rebuttal阶段authors该如何应对？？？

感觉kdd投稿的子领域应该再细分一些，多给些选项。一个正直老哥直接说因为看不懂这个topic 就按machine learning的标准来审了，最后给了个average 4（我这就是被nips和iclr连拒才来kdd的好吗）
某个审稿A提了篇没什么关系的论文（唯一的共同点用了Transformer，并且质量差不多本科大作业的感觉）说我跟这个论文没区别，novelty给了3。审稿B似乎直接给这个review抄下来，参考文献前面的序号甚至是[2][1]（应该是全粘下来自己又写了个序号），novelty也给了3。接着审稿C和D又给这篇论文提了一遍，让我解释一下，novelty又都给了个3，并且建议我这种incremental的东西去ads track...
我自己审稿的时候，对于很多纯调gpt api的framework，但是写作没有大毛病的，我都给了borderline的4，真的够仁慈了

不是，寄了大家这么开心吗，赞一个接一个
43 32 44 33 43 33，是不是寄了
接心软审稿人，说起来是明天出分数还是后天

什么时候出结果了，求心软审稿人，听说今年每篇都分配了很多审稿人

N 543331 T 544331
被1分哥撅力（悲）
—————————————
怎么还不出啊（恼）

分享一个dp吧，novelty665533，technical 655433。这个rebuttal量是真大啊。

| Category              | Review 1 | Review 2 | Review 3 | Review 4 | Review 5 | Review 6 | Average |
|-----------------------|----------|----------|----------|----------|----------|----------|---------|
| Scope                 | 3        | 3        | 4        | 3        | 3        | 2        | 3.00    |
| Novelty               | 4        | 5        | 5        | 6        | 3        | 4        | 4.50    |
| Technical Quality     | 4        | 6        | 5        | 6        | 5        | 2        | 4.67    |
| Presentation Quality  | 2        | 3        | 3        | 3        | 3        | 1        | 2.50    |
| Reproducibility       | 2        | 3        | 3        | 3        | 3        | 2        | 2.67    |
| Reviewer Confidence   | 1        | 1        | 4        | 4        | 4        | 2        | 2.67    |

Average Scope: 3.00Average Novelty: 4.50Average Technical Quality: 4.67Average Presentation Quality: 2.50Average Reproducibility: 2.67Average Reviewer Confidence: 2.67

我怎么感觉分数都贼高，难顶，4分不是正分吗？

这笔会就是拿来吵架的，太mean了，想尽办法拒你，从来不会看论文的优点

年二十六，是学生，生平第一次投KDD，占坑之后来填。
经历上次SODA之后，已经不敢乱说话了
Novelty Avg 4.83
Technical Quality Avg 5.16

KDD（Knowledge Discovery and Data Mining）会议作为数据挖掘和知识发现领域最具影响力的国际会议之一，每年都吸引着全球最顶尖的研究者和学者的关注。KDD 2024的审稿结果，无疑是对当前人工智能领域，特别是数据挖掘和机器学习方向的最新研究趋势的一次重要反映。

一、审稿结果概览
KDD 2024的审稿结果，从宏观角度来看，展现出了几个显著的趋势：
深度学习的持续热度：深度学习作为当前人工智能领域的核心技术，其在KDD中的热度持续不减。许多被接受的论文都聚焦于深度学习的创新应用和理论研究。跨学科研究的兴起：随着人工智能技术的广泛应用，与其他学科的交叉研究越来越多。例如，与生物信息学、社会科学、经济学等领域的结合，展现了数据挖掘技术的广泛应用潜力。强化学习与优化算法：强化学习作为机器学习的一个重要分支，在决策制定和优化问题中显示出强大的应用潜力。这方面的研究在KDD 2024中得到了较多的关注。可解释性与公平性：随着人工智能技术的普及，其决策过程的可解释性和公平性越来越受到重视。KDD 2024中的许多论文都在这方面做出了有益的探索。

二、深度解析1. 深度学习的创新
深度学习在KDD 2024中继续占据主导地位，但值得注意的是，这些研究不再局限于传统的图像和语音识别领域，而是更多地探索了诸如自然语言处理、推荐系统、异常检测等新兴领域。
2. 跨学科研究的挑战与机遇
跨学科研究为数据挖掘和机器学习带来了更广阔的应用场景，但同时也带来了更多的挑战。如何将复杂的多学科知识有效整合，是未来研究的一个重要方向。
3. 强化学习与优化算法的实际应用
强化学习在KDD 2024中的研究，不仅关注算法的创新，更注重其在实际场景中的应用，如自动驾驶、游戏AI等。这表明强化学习正逐渐从理论研究走向实际应用。
4. 可解释性与公平性的重要性
随着人工智能技术的广泛应用，其决策过程的可解释性和公平性成为了一个不可忽视的问题。KDD 2024中的相关研究，不仅关注算法的性能，更注重其对社会的影响。

三、未来展望
KDD 2024的审稿结果，不仅是对当前研究的一次总结，更是对未来研究方向的指引。未来的研究可能会更加注重以下几个方面：
技术创新与实际应用的结合：如何将先进的技术应用到实际场景中，解决实际问题，将是未来研究的重要方向。跨学科研究的深度与广度：跨学科研究需要更深入的理论支撑和更广泛的应用探索。可解释性与公平性的深入研究：随着人工智能技术的普及，其决策过程的可解释性和公平性将越来越受到重视。
KDD 2024的审稿结果，无疑为人工智能领域的发展提供了新的思路和方向。我们期待未来的研究能够在此基础上，取得更多的突破和创新。

----------2024年4月5日19:48:37------------
贡献一个DP
N: 4 2 4 4 5 5
TQ: 4 5 4 5 5 5
----------2024年4月4日20:26:56------------
占坑等结果。

贡献一个样本点，
Novelty 4555，均分 4.75
Technical quality 5556，均分 5.25
21、22、24 几乎每年都有论文在投 kdd，这应该是最好的一次了，感谢审稿人。
审的几篇，我给的比较 nice ，但确实方差比较大。

贡献个数据
Novelty: 563433
Technical quality: 563443

15:20左右出结果了。没overall分数。六个审稿人5个偏向正面意见。不知道大伙怎么看
现在已经是AOE时间四号了吧有无懂哥知道之前是几点出的（22:31更新）
占个坑吧。看看KDD审稿水平

贴一条自己投的，social media相关
N 443635, T 454646
confidence全3，然后因为没给代码 Reproduce喜提两个poor

又来占坑了，md
————————————————
N：444451、TQ：444351
一眼顶针，鉴定为g，有用的意见可以看看，继续改投recsys吧

接心软审稿人

这就开始占坑了吗。

S: 444443 3.83
N: 555544 4.67
T: 654554 4.83
P: 322322 2.33
R: 232221 2.00
C: 233333 2.83

Research track
N: 55543
TQ: 65543
C: 44443
请问有机会吗，审稿人的confidence都打得好高，给33的审稿人问了前前后后有七八个问题，是不是回答好了有提分的机会？给44的审稿人也问了不少问题，但都是很容易回答的问题，主要是细节解释。
但感觉2500的字符限制好少内容，而且好像不能追加多条回复，太多问题好难全部细致回答完

为什么第一周只能贴一个不能追加的2500字符rebuttal，之后才能贴official comment。这种设定的动机难以理解。
Research Track，图表示学习（Graph representation learning）
项目Review 1Review 2Review 3Review 4Review 5Review 6Scope444343Novelty565434Tech. Q.665424Pre. Q.333222Reprod.232223Conf.343442
算了一下Novelty均分4.5，Tech. Q. 均分4.5，有希望。
很多reviewers的意见非常中肯，非常辛苦和耐心，提了有建设性可以帮助文章改进，让自己有很强的与他们讨论的欲望；但是某些眼睛擤鼻涕擤掉的，连文章中大黑字写的都不看的，真不知道该怎么回复。不过还好6个审稿人，一些人的偏见不会成为主流意见，就是写这个可要辛苦了。

贡献一个样本
Novelty 555443 technical quality 554443
这个分感觉好僵硬

N:555335 T:445435
还能rebuttal吗

大佬们能帮我看下这还有没有rebuttal的必要嘛
research track, graph representation learning
344444
443352

N : 54345
T: 35353
还有一个审稿人说了自己out of domain 所以都给了均分4。
这个结果咋样

贡献dp。均分N4T3.5，6个review，方差很大，有的review非常离谱，给出了我见过最离谱的审稿意见，审稿人完全不具备最基本的阅读能力，还自信给打2分，已准备撤稿。

接心软审稿人

novelty 45556 avg:5
technical 45356 avg: 4.6
感觉是不是有戏

认真看了看审稿意见，好多审稿人 weakness 基本都没提，就问些有的没的，confidence 3，然后 N T 3 4 混着打_(:з」∠)_

贡献一个样本点， research track
Novelty: 545353， avg： 4.12
TQ: 545545， avg： 4.67
有机会吗

Ads track
evaluation 223
confidence 442
是不是没希望了…

贡献一个dp
Novelty 545455
Technical Novelty 555453
Novelty均分4.66
Technical均分4.5
有没有大佬说一说这个分有希望吗，第一次投KDD

dp
56454
46554