KDD 和其他方向的顶级会议相比（如 NIPS，CVPR，ICML，ACL），是一个什么水平的会议？

KDD如今有几个问题：

• 跟其他会议的区分度不明显，graph mining占了半壁江山，但是graph方向也可以投Neurips，ICLR甚至ICML（最近Jure 他们还在组织一个新的会议专攻graph）。做text mining不如投ACL。Recommendation system方向也有自己的会。KDD比较独占的方向，streaming data，time series data，spatial-temporal data发展的不是特别快。
• KDD的审稿周期长，没有rebuttal，录取率还控制的比较低。
• KDD 文章的publicity/accessibility做得不够好。相比之下cvpr的文章经常能搜到介绍网站，代码也比较清晰。acl/emnlp/naacl的所有文章都能在anthology里找到。kdd现在开完了，好多文章根本找不到。
• 堆砌创新点 a+b+c+d的文章不少，而且写作风格偏拗口晦涩，简单的定义也要上一堆公式，可读性不强。

现在是KDD2023开榜前4天，看了眼openreview。对KDD很失望，本以为加入openreview能够保证自己的工作能够被公平的审查，但是kdd的审稿人还是一如既往的苛刻与不专业。

1. 与其说是审稿，不如说是挑刺。对文章的优点视而不见，反而对图表和语法等付出太多关注。在审稿意见中给一些不痛不痒的comments，最后weak reject。无论是选择明显能力不足的低年级学生参与审稿还是不谨慎的给出显然带有偏见的最终结论，这都是极其不负责的。

2. 认真写完rebuttal竟然无一人回复。追问reviewer和ac后均无回复，亦无改分。整个rebuttal过程完全没有互动，感觉不到任何尊重。（更加印证了分配学生审稿，导师不方便回复）

3. 无论从审稿人的态度还是专业度，KDD都不值得顶会。这次投稿中，我不仅没从reviewer中学到任何有价值的内容，反而浪费了几个月时间。希望大家投稿前擦亮眼睛。

更新：中了，但是感受微妙。