大數據挖掘與分析
大數據挖掘與分析雜志簡介
- 出版商：IEEE
- 出版語言：English
- TOP期刊：是
- 出版地區：China
- 是否預警：否
- 是否OA：未開放
- 中文名稱：大數據挖掘與分析
- 是否OA：未開放
大數據挖掘與分析（國際簡稱Big Data Min Anal，英文名稱Big Data Mining And Analytics）是一本未開放獲取（OA）國際期刊，始終站在計算機科學研究的前沿。該期刊致力于發表在計算機科學領域各個方面達到最高科學標準和具有重要性的研究成果。全面反映該學科的發展趨勢，為計算機科學事業的進步提供了有力的支撐。期刊嚴格遵循職業道德標準，對于任何形式的抄襲行為，無論是文字還是圖形，一旦查實，均可能導致稿件被拒絕。
在過去幾年中，該期刊保持了穩定的發文量和綜述量，具體數據如下：
2014年：發表文章0篇、2015年：發表文章0篇、2016年：發表文章0篇、2017年：發表文章0篇、2018年：發表文章0篇、2019年：發表文章0篇、2020年：發表文章0篇、2021年：發表文章0篇、2022年：發表文章24篇、2023年：發表文章40篇。這些數據反映了期刊在全球計算機科學領域的影響力和活躍度，同時也展示了其作為學術界和工業界研究人員首選資源的地位。《Big Data Mining And Analytics》將繼續致力于推動計算機科學領域的知識傳播和科學進步，為全球計算機科學問題的解決貢獻力量。
期刊指數
- 影響因子：7.7
- Gold OA文章占比：100.00%
- CiteScore：20.9
- 年發文量：40
- SJR指數：1.933
- SNIP指數：3.373
WOS期刊SCI分區（2023-2024年最新版）
| 按JIF指標學科分區 | 收錄子集 | 分區 | 排名 | 百分位 |
| 學科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | ESCI | Q1 | 23 / 197 |
88.6% |
| 學科：COMPUTER SCIENCE, INFORMATION SYSTEMS | ESCI | Q1 | 11 / 249 |
95.8% |
| 按JCI指標學科分區 | 收錄子集 | 分區 | 排名 | 百分位 |
| 學科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | ESCI | Q1 | 16 / 198 |
92.17% |
| 學科：COMPUTER SCIENCE, INFORMATION SYSTEMS | ESCI | Q1 | 15 / 251 |
94.22% |
中科院分區表
中科院SCI期刊分區 2023年12月升級版
| Top期刊 | 綜述期刊 | 大類學科 | 小類學科 |
| 否 | 否 | 計算機科學 1區 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
計算機：人工智能
COMPUTER SCIENCE, INFORMATION SYSTEMS
計算機：信息系統
1區
1區
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||||||||||
| 20.9 | 1.933 | 3.373 |
|
學術指標分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時期被引用的頻率，是衡量學術期刊影響力的一個重要指標。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質量和影響力的重要指標之一。通過計算期刊被自身引用的次數與總被引次數的比例，可以反映期刊對于自身研究內容的重視程度以及內部引用的情況。
年發文量：是衡量期刊活躍度和研究產出能力的重要指標，年發文量較多的期刊可能擁有更廣泛的讀者群體和更高的學術聲譽，從而吸引更多的優質稿件。
