《数据分析与知识发现》期刊征文
1 期刊定位
《数据分析与知识发现》聚焦各行各业中以大数据为基础、依靠复杂挖掘分析、进行知识发现与预测、支持决策分析和政策制定的研究与应用，致力于提供理论指导、技术支持和最佳实践。
期刊依靠并融汇计算机科学、科学计量学、社会计量学、网络计量学、数据科学、管理科学、预测分析、循证政策分析等领域，帮助人们从数据发现知识、从知识提炼智慧（洞察力）、从知识和智慧推演并设计解决方案，并且嵌入到知识密集和知识驱动的各行各业流程管理和决策支持。
2 征稿范围
期刊广泛吸纳计算机科学、数据科学、情报科学以及数字科研、数字教育和数字文化等领域的技术与方法，研究数据驱动的语义计算、内容分析、数据挖掘、知识发现、智能管理和决策支持等方面的技术、方法、系统以及支撑设施、政策与机制等，尤其是聚焦从海量、异构、分布、动态、甚至富媒体数据中挖掘和发现知识以支持研究、管理和决策的理论、方法和技术。主题领域包括：
（1）基于大规模数据的数据挖掘和知识发现的新技术与新方法。包括但不局限于社会网络分析、知识图谱、舆情监测、竞争情报分析、产业技术分析、竞争力评价、决策分析以及循证政策分析等。所涉及数据包括各类元数据、文本与网络数据、市场数据、社会数据、科学数据、多媒介数据等。
（2）基于知识组织、支持智能检索与分析的知识基础设施建设。尤其针对科学数据集与智能实验室、教育数据集与智能校园、社会与管理数据集和智能社会管理、数字图书馆/数字档案馆/数字科技馆/数字出版平台以及各个领域的大数据化知识基础设施，所涉及方法包括但不局限于语义标注、知识组织、数据监管、关联数据、数据融汇、语义化平台、智能化流程、可视化管理与决策等。
（3）利用知识计算和知识发现技术驱动、优化和监控各类管理、服务、创新流程与机制的方法、技术和系统。包括但不局限于新型语义化学术交流体系、移动交互知识服务系统、合作交互知识管理机制、数字教育组织与管理、数字科研组织与管理、开放数字创客空间、智能化电子政务、智能化应急管理等。
3 选题方向
知识组织（Knowledge organization）；数据挖掘（Data mining）；关联数据（Linked data）；数据与知识融汇（Dataand knowledge integration）；知识发现（Knowledge discovery）；语义网络（Semantic Web）；文献计量、科学计量和网络计量（Bibliometrics，Scientometrics，Webometrics）；社会计量与社交网络分析（Social informatics and socialnetwork analysis）；竞争情报（Competitive intelligence）；舆情监测（Public opinion monitoring）；预测分析（Predictive analysis）；循证政策分析（Evidence-based policy analysis）；数据分析驱动的科研管理（Data analyticsdriven research management）；数据分析驱动的教育组织（Data analytics-driven learning organization）；数据分析驱动的知识服务管理（Data analytics-driven knowledge service management）；数据分析驱动的群组活动组织（Data analytics-driven event and activity organization）；数据分析驱动的合作交互及其管理（Data analytics-driven collaboration and its management）；智能化知识基础设施（Intelligent knowledge infrastructure）；支持数据分析与知识发现的开放支撑平台（Open platform supportive data integration，data analysis and knowledge discovery）；知识分析师人才培养（Training for knowledge analytics）……
4 论文要求及说明
本刊主要用稿类型、写作要求及学术规范请参见“作者指南”。