以数据为中心的机器学习研究期刊 (DMLR) 是 JMLR 家族的新成员，旨在为专注于机器学习研究中数据方面的高质量学术文章提供顶级存档场所。DMLR 旨在通过严格的评审流程以及由各相关领域具有多元化背景和代表性的知名专家组成的专业编委会和评审委员会，保持与 JMLR 相同的高质量标准。我们将继续完善和定制流程，以更好地服务于以数据为中心的机器学习研究的特殊性。我们也希望 DMLR 能成为针对以数据为中心的机器学习研究特性而量身定制的创新成果发布平台。

有关 DMLR 期刊的更多信息，请访问我们的博客：点击此处。

新闻

  • 2024.07.27：我们将在 ICML 的 DMLR 研讨会发布环节与您分享 DMLR 期刊的最新进展。如果您在现场，请勿错过！
  • 2024.06.01：查看目前已录用的论文！
  • 2023.10.11：DMLR 期刊现已开始接收投稿；请查看投稿页面获取指南，并在 OpenReview 上传您的论文！

主编


助理编辑


概述

DMLR 采用单盲评审系统，作者身份不匿名。这是因为数据相关的工作通常涉及数据托管，通常无法匿名。作者在提交论文时需要在 OpenReview 上创建作者资料并披露任何潜在的利益冲突。此外，作者必须提供有关人类受试者报告 (IRB)、资金、竞争利益以及机构历史未涵盖的任何冲突的信息。

DMLR 的评审和出版程序与 JMLR 和 TMLR 非常相似。简而言之，投稿后，主编 (EIC) 将指派一名执行编辑 (AE) 来评估投稿是否符合 录用标准，包括范围、完整性以及是否符合 DMLR 标准。在某些情况下，主编可能会在指派执行编辑之前直接拒绝投稿。如果执行编辑选择继续评审，将招募三名审稿人对投稿进行评估并提供反馈。随后，通过开放式的答辩、讨论和修订阶段，作者可以与审稿人互动并完善论文。最后，执行编辑将做出决定，可能是按原样录用、小修录用或拒绝（可选择修改后重新投稿）。只有在被录用后，投稿才会在 OpenReview 上公开。在向 DMLR 投稿之前，建议您仔细阅读 投稿 页面以及 审稿人指南 和 执行编辑指南，其中详细说明了 DMLR 的范围、标准和评审流程。DMLR 以电子方式出版，国际标准连续出版物号 (ISSN) 目前正在申请中。

致谢

我们对 姚晓哲 在已录用论文出版方面的帮助，以及 Yoshitomo Matsubara 在 OpenReview 设置方面的贡献表示衷心的感谢。

联系我们

如有任何问题，您可以加入我们的 Discord 频道 (https://discord.gg/Dk2gPvKMPv)。您也可以给任何一位主编发送电子邮件，或发送至 dmlr@jmlr.org。

返回顶部