《Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery》杂志影响录用的因素有哪些？

《Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery》杂志是一本专注于计算机科学领域的高质量综述类期刊，该杂志的录用率受多种因素影响，想具体了解可联系杂志社或咨询在线客服。

《Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery》杂志的录用率受多种因素影响，具体如下：

年发文量：《Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery》杂志年发文量为：37篇。年发文量较大的期刊，相对而言录用率会高一些。

质量与创新性：论文的科学性、严谨性、数据可靠性以及创新性是关键。

期刊分区：《Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery》杂志在中科院的分区为2区，而在JCR的分区为Q1。

论文质量：包括研究设计的合理性、数据的可靠性、分析方法的科学性等。

影响力与排名：《Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery》杂志IF影响因子为：6.4。高影响力的期刊通常对论文质量要求更高，录用率相对较低。

审稿流程：严格的多轮审稿流程会筛选掉部分稿件，导致录用率下降。

投稿数量：在特定时期内，若大量研究者集中向某期刊投稿，会导致稿件堆积，录用率下降。

SCI期刊的录用率受多重因素影响，作者应根据自身研究特点选择合适的期刊，并确保稿件质量以提高录用机会，投稿前务必仔细阅读期刊的投稿指南，并与杂志社保持良好沟通。

《Wiley Interdisciplinary Reviews-data Mining And Knowledge Discovery》杂志简介

中文简称：Wiley 跨学科评论——数据挖掘和知识发现
国际标准简称：WIRES DATA MIN KNOWL
出版商：John Wiley and Sons Inc.
出版周期：6 issues/year
出版年份：2011年
出版地区：ENGLAND
ISSN：1942-4787
ESSN：1942-4795
研究方向：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE - COMPUTER SCIENCE, THEORY & METHODS

WIREs DMKD 的目标是：(a) 通过一系列由顶尖研究人员撰写的评论文章介绍数据挖掘和知识发现的最新进展；(b) 通过收录从数据挖掘和知识发现的不同角度探讨关键主题的文章来捕捉该领域至关重要的跨学科特色，包括技术、商业、医疗保健、教育、政府、社会和文化等各种应用领域；(c) 通过系统的内容更新计划来捕捉数据挖掘和知识发现的快速发展；(d) 通过以广泛受众易于理解的方式介绍该领域的成就和挑战，鼓励人们积极参与该领域。WIREs DMKD 的内容将对高年级本科生和研究生、学术课程的教学和研究教授以及行业中的科学家和研究经理有用。

在中科院分区表中，大类学科为计算机科学2区， 小类学科为COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE计算机：人工智能2区。

声明：以上内容来源于互联网公开资料，如有不准确之处，请联系我们进行修改。