会员服务
SIGKDD的使命是为知识发现和数据挖掘的“科学”的发展、教育和采用提供首要的论坛，从计算机和计算机网络中存储的所有类型的数据中进行数据挖掘。SIGKDD促进了KDD的基础研究和开发，在术语、评估、方法和KDD研究人员、从业者和用户之间采用市场上的“标准”。 官网地址：http://dblp.uni-trier.de/db/conf/kdd/
Enhancing Relevance of Embedding-based Retrieval at Walmart
Arxiv
0+阅读 · 8月14日
Enhancing Relevance of Embedding-based Retrieval at Walmart
Arxiv
0+阅读 · 8月9日
Multi-Objective Recommendations: A Tutorial
Arxiv
0+阅读 · 2023年6月11日
Proceedings of KDD 2020 Workshop on Data-driven Humanitarian Mapping: Harnessing Human-Machine Intelligence for High-Stake Public Policy and Resilience Planning
Arxiv
0+阅读 · 2021年9月7日
Proceedings of KDD 2021 Workshop on Data-driven Humanitarian Mapping: Harnessing Human-Machine Intelligence for High-Stake Public Policy and Resilience Planning
Arxiv
0+阅读 · 2021年9月7日
Proceedings of KDD 2021 Workshop on Data-driven Humanitarian Mapping: Harnessing Human-Machine Intelligence for High-Stake Public Policy and Resilience Planning
Arxiv
0+阅读 · 2021年9月3日
Multi-Objective Recommendations: A Tutorial
Arxiv
0+阅读 · 2021年8月13日
Almost Optimal Tensor Sketch
Arxiv
0+阅读 · 2019年9月3日
Learning DTW Global Constraint for Time Series Classification
Arxiv
0+阅读 · 2009年2月28日
Fixed-Parameter Algorithms for DAG Partitioning
Arxiv
0+阅读 · 2016年11月27日
Proceedings of the 2017 AdKDD & TargetAd Workshop
Arxiv
0+阅读 · 2017年7月11日
参考链接
父主题
内容检索
数据挖掘
数据库
ACM
微信扫码咨询专知VIP会员
Top