第二届数据科学、大数据挖掘与知识发现国际会议（IDSBDM 2026）

The 2nd International Conference on Data Science, Big Data Mining and Knowledge Discovery（IDSBDM 2026）

征稿广 | 审核快 | 高录用

权威出版，检索稳定

ISBN/ISSN双刊号认证 · 团队/学生享优惠

●会议信息

会议时间：2026年10月30日（暂定）

截稿时间：2026年10月15日（延期投稿请联系徐老师）

会议地点：杭州，中国

审稿周期：投稿后约 2–3 个工作日

会议出版：IEEE、Springer、SPIE、ACM、IOP 等权威出版社

收录检索：EI Compendex、Scopus、CPCI、CNKI、Google Scholar 等数据库稳定检索

★ 其他发表渠道：如需 SSCI/SCI 期刊、中文核心期刊、国内三大网收录期刊等渠道，欢迎咨询会务组徐老师。

●会议简介

第二届数据科学、大数据挖掘与知识发现国际会议（IDSBDM 2026）将在中国杭州召开，会议聚焦数据科学理论、大数据挖掘算法、知识发现及相关交叉应用方向，汇聚海内外高校、科研机构与行业专家，分享前沿研究成果，探讨领域核心挑战。大会旨在搭建开放高效的国际学术交流平台，推动数据理论、挖掘技术与行业场景深度融合，促进跨学科合作与产学研协同创新。热忱欢迎相关领域学者、工程技术人员及青年研究者投稿参会，共话数据领域创新发展。

●论文出版

所有投稿须经组委会2-3位专家严格审稿，录用并注册的论文将以会议论文集形式出版，见刊后提交至Scopus、EI Compendex、CPCI、CNKI、Google Scholar等数据库稳定检索！

●征稿主题（包括但不限于）

Track 1：数据科学理论与机器学习算法

数学、概率与统计模型与理论

机器学习理论、模型与系统

知识发现理论、模型与系统

深度学习与强化学习

流形学习与度量学习

可扩展分析与学习

非独立同分布（Non-IID）学习

数据预处理、采样与降维

特征选择、特征变换与特征构建

大规模优化

面向数据分析的高性能计算

数据科学的体系架构、管理与流程

可解释AI与可信数据分析

神经符号方法在大规模数据中的应用

因果推断与预测分析

Track 2：大数据挖掘方法与知识发现

数据挖掘算法（分类、聚类、关联规则、异常检测）

大规模图数据挖掘与社交网络分析

时空数据挖掘与轨迹数据分析

多源异构数据融合与跨域分析

流数据挖掘与在线学习算法

因果发现与因果推断方法

知识发现与知识图谱构建

语义计算与知识表示学习

文本挖掘与自然语言处理

多媒体数据挖掘与跨模态分析

可解释数据挖掘与知识可视化

数据挖掘中的隐私保护与伦理

挖掘算法的可扩展性与效率优化

弱监督、半监督与自监督挖掘方法

Track 3：AI驱动的大数据分析与交叉应用

机器学习与深度学习驱动的数据挖掘

大语言模型（LLMs）与知识图谱融合

生成式AI与数据增强、数据合成技术

联邦学习与隐私保护的分布式数据挖掘

强化学习在数据驱动决策中的应用

数据驱动的智能决策支持系统

商业智能与大数据营销分析

金融大数据分析与风险挖掘

医疗健康大数据挖掘与精准医学

工业大数据挖掘与智能制造

智慧城市与城市大数据分析

社会计算与计算社会科学

科学发现中的AI与知识发现

数据可视化与可视分析技术

......

●投稿须知

1. 全英文投稿，须严格按模板排版，正文不少于6页。

2. 所有稿件将进行文献真实性检测，投稿前请自行查重（推荐Turnitin），因重复率超标被拒，责任由作者承担。

3. 论文须为原创，且未在其他平台或渠道正式发表。

4. 投稿流程：作者投稿→审稿→录用→缴费→【注册参会】→见刊→纸质论文集→检索。

5. 如需翻译/润色、加急录用协助，或学生/组团投稿享优惠，请联系会务徐老师。

★ 特别提醒：投稿后，请安排一位作者主动添加大会秘书微信，以便及时沟通和跟进论文状态。

●参会方式

1. 口头汇报：申请口头报告者，须将摘要提交至大会邮箱审核，摘要出版。（名额有限，优先报名）

2. 听众参会：仅参会听会，无任何展示。

* 以上参会方式，可获得会议资料（邀请函、参会证书、会议通知等）