|
|
|
|
|
|
g***i 发帖数: 50 | 1 http://www1.bbsland.com/education/messages/231140.html
会议有多好要看你从哪个角度看。作机器学习出身的,很自然认为kdd不如ijcai和
icml,我觉得这代表了典型的机器学习研究者的观点。就象数据库出身的人都会认为kdd比不上sigmod和vldb,有的甚至觉得它比不上icde。然而数据挖掘是个高速发展中的领域,专做挖掘的人越来越多,以后肯定会有不少人认为kdd比sigmod和ijcai都强。
大家意见不同只是看问题角度不同,其实并没有本质区别,而大家对基本事实的看法都是一致的。比如无论哪种出身的人都会认为kdd>icdm,只是在不同领域比较时会有侧重点不同而已。
总而言之,对待conference ranking,大家最好不要认为存在一个客观的唯一的正确答案。举一个极端的例子:我在某数据挖掘会议上遇到过某个统计出身的人,他认为cs搞的研究都是high school math,只有统计系弄的才叫science,惹得我几乎忍不住要说“high school
math阁下也未必能弄得通”。但回来转念一想,从对方的角度来说这样的评价也不 | r**t 发帖数: 937 | 2
认为kdd不如ijcai和
就象数据库出身的人都会认为kdd比不上sigmod和vldb,
有的甚至觉得它比不上icde。然而数据挖掘是个高速发展中的领域,
专做挖掘的人越来越多,以后肯定会有不少人认为kdd比sigmod和ijcai都强。
事实的看法都是一致的。比如无论哪种出身的人都会认为kdd>icdm,只是在
不同领域比较时会有侧重点不同而已。
唯一的正确答案。举一个极端的例子:我在某数据挖掘会议上遇到过某个统
计出身的人,他认为cs搞的研究都是high school math,只有统计系弄的才
叫science,惹得我几乎忍不住要说“high school
评价也不无道理。我们还是应该尊重别人的观点,多了解不同领域的研究者
的看法,这才是讨论ranking的目的。
致界乎于machine learner和data miner的观点之间吧,原因无非是我的出
身跟两边都不同。
【在 g***i 的大作中提到】![](/moin_static193/solenoid/img/up.png) : http://www1.bbsland.com/education/messages/231140.html : 会议有多好要看你从哪个角度看。作机器学习出身的,很自然认为kdd不如ijcai和 : icml,我觉得这代表了典型的机器学习研究者的观点。就象数据库出身的人都会认为kdd比不上sigmod和vldb,有的甚至觉得它比不上icde。然而数据挖掘是个高速发展中的领域,专做挖掘的人越来越多,以后肯定会有不少人认为kdd比sigmod和ijcai都强。 : 大家意见不同只是看问题角度不同,其实并没有本质区别,而大家对基本事实的看法都是一致的。比如无论哪种出身的人都会认为kdd>icdm,只是在不同领域比较时会有侧重点不同而已。 : 总而言之,对待conference ranking,大家最好不要认为存在一个客观的唯一的正确答案。举一个极端的例子:我在某数据挖掘会议上遇到过某个统计出身的人,他认为cs搞的研究都是high school math,只有统计系弄的才叫science,惹得我几乎忍不住要说“high school : math阁下也未必能弄得通”。但回来转念一想,从对方的角度来说这样的评价也不
| s***y 发帖数: 198 | 3 CS has too much garbage paper .Some conf. becomes a trash can.
【在 r**t 的大作中提到】![](/moin_static193/solenoid/img/up.png) : : 认为kdd不如ijcai和 : 就象数据库出身的人都会认为kdd比不上sigmod和vldb, : 有的甚至觉得它比不上icde。然而数据挖掘是个高速发展中的领域, : 专做挖掘的人越来越多,以后肯定会有不少人认为kdd比sigmod和ijcai都强。 : 事实的看法都是一致的。比如无论哪种出身的人都会认为kdd>icdm,只是在 : 不同领域比较时会有侧重点不同而已。 : 唯一的正确答案。举一个极端的例子:我在某数据挖掘会议上遇到过某个统 : 计出身的人,他认为cs搞的研究都是high school math,只有统计系弄的才 : 叫science,惹得我几乎忍不住要说“high school
|
|
|
|
|
|
|