欢迎投稿 | IEEE-TBD不断迈向新高度，审稿周期17周，平均9个月发表

2022 年 6 月 9 日 学术头条

“

2021年1月，IEEE TBD被 SCI收录，第一年影响因子达到了3.344，年下载量10万左右！

IEEE TBD只接受高质量、有创新意义、有实际意义的论文。期刊论文接受率约12%（其中包括Special issues文章），平均审稿周期（从投稿到得到第一轮结果）为17 weeks，平均Submission-to-ePublication周期为36 weeks，只需要9个月就可以发表，速度和会议差不多。

“

随着人类社会进入数字化时代，产生的数据也在爆发式增长，这些大数据在不断改变我们的世界，同时大数据也是 IEEE 的重要主题。IEEE Transactions on Big Data 应运时代的需求正式诞生。

2015 年，IEEE Transactions on Big Data（简称：IEEE TBD）由著名的人工智能领域专家杨强教授创刊。

IEEE TBD 由 IEEE 下设的 9 家分支机构联合支持出版，其中包括 IEEE 最大的两家协会计算机协会和通信协会，此外还包括信息处理协会、计算智能协会、汽车技术协会和消费技术协会等机构。期刊主要讨论大数据相关的创新和应用，创刊时杂志为季刊，2021 年改为双月刊。

2015 年，IEEE TBD 首任主编杨强在发刊词中表示，大数据代表了人类科学研究的新阶段。人类的科研已经历了以观察为主的经验阶段，以总结和预测为主的理论阶段，以模拟自然为主的模拟（simulation）阶段，而大数据则意味着我们已经在第四种科研范式的黎明，也就是通过对大量数字数据进行假设检验，从而发掘知识的阶段。因此，希望 IEEE TBD 可以将技术创新提升到新的层次。

近年来，IEEE TBD 也推出了一系列的革新措施，包括定向邀请高质量、高影响力工作，用学术挖掘系统 AMiner 自动推荐审稿人等，这些措施大大提高了论文质量，缩短了审稿周期。同时 TBD 设立了最佳编委和最佳审稿人等奖项，这也提高了期刊读者和作者积极性。

IEEE TBD 将始终坚持发表关于大数据系统、理论和实践领域高质量文章的期刊，并在全球范围内鼓励与支持大数据、知识工程、人工智能等多学科的工作。凭借着创刊以来编辑委员会在技术深度和广度方面积累和始终对论文质量与相关性的严格审核，让 IEEE TBD 的发展不断迈向新的高度。

2021 年 1 月，IEEE TBD 被 SCI 收录，第一年影响因子达到了3.344，年下载量 10 万左右！

IEEE TBD 只接受高质量、有创新意义、有实际意义的论文。期刊论文接受率约 12%（其中包括 Special issues文章），平均审稿周期（从投稿到得到第一轮结果）为17 weeks，平均 Submission-to-ePublication 周期为 36 weeks，只需要9个月就可以发表，速度和会议差不多。

欢迎广大学者积极投稿！

作者可以通过ScholarOne Manuscripts向TBD提交论文，TBD手稿类型和提交长度要求如下所述：

Regular paper – 12 double column pages (Submissions may be up to 18 pages in length, subject to MOPC. All regular paper page limits include references and author biographies.)

Short paper – 8 double column pages

Comments paper – 2 double column pages

Survey papers – 20 double column pages

同时为了方便投稿，还为各位学者准备了三种模板，提升论文效率。该期刊为混合期刊，允许传统手稿投稿或作者付费的开放存取（OA）手稿投稿，另外ORCID是投稿必须的，因为所有IEEE期刊都要求所有作者具有开放研究人员和贡献者ID（ORCID)。

查看官方完整版的作者指南，请访问：

https://www.computer.org/csdl/journal/bd/write-for-us/15062?title=Author%20Information&periodical=IEEE%20Transactions%20on%20Big%20Data

IEEE TBD 更多

IEEE Transactions on Big Data 是一个提供跨学科的大数据创新研究思路和应用成果，包括新的理论、算法和应用的平台，致力于出版关于大数据系统、理论和实践的最高质量的文章，同时鼓励在大数据、知识、人工智能和经济学方面的多学科工作。大数据的研究领域包括但不限于：大数据分析、大数据可视化、大数据整理和管理、大数据语义学、大数据基础设施、大数据标准、大数据性能分析、大数据智能、大数据的科学发现、大数据的安全、隐私和大数据的具体法律问题。

期刊主页：

https://www.computer.org/csdl/journal/bd

点击【阅读原文】查看期刊主页