ACM SIGMOD （Special Interest Group on Management of Data） 是国际计算机界公认在数据管理领域具有最高学术地位的会议，在中国计算机学会（CCF）推荐的“数据库/数据挖掘/内容检索”领域的A类学术会议中排名第一，所收录的论文代表了行业内最高水平。SIGMOD由美国计算机协会（ACM）数据管理专业委员会发起，始于1975年，论文审稿极其严格，采用双盲审稿制度，每年录用的论文一般100篇左右，近年来接收率17%-20%左右。 SIGMOD 2025 会议于2025年6月22-27日在德国柏林举行。
会议地点
2025年的SIGMOD/PODS会议将在德国柏林举办，时间为6月22日至27日。
会议的举办地是柏林洲际酒店，该酒店以其独特的棋盘格立面设计和优越的地理位置而著名。
会议内容丰富，包括技术程序、研究和工业演讲、教程、演示、专题工作坊、海报展示、工业展览以及职业发展小组讨论等。
截稿时间
2024年10月10日星期四，摘要提交和COIs声明；
2024年10月17日星期四，论文提交；
2024年11月28日星期四，接受/审查/拒绝通知；
2025年1月30日，星期四，最终通知。
投稿须知，必看！
一年等待期：被拒绝的论文不能在一年内再次提交给SIGMOD。例如，如果在SIGMOD 2024的第四轮被拒绝，那么只能在SIGMOD 2025的第四轮再次提交。如果在第二轮被拒绝，则可以在2025年的第二轮、第三轮和第四轮中重新提交。
ORCIDs要求：所有作者在提交摘要时需要提供ORCID。
摘要、利益冲突声明和论文提交日期：摘要和利益冲突声明需要在主要论文提交前一周提交，即本轮在10月10日。
无特殊赛道：以前的数据密集型和数据科学应用赛道现在已并入主研究赛道，尽管它们保留了独特的标准。
无作者反馈阶段：今年没有作者反馈阶段。
导师制度代替修订要求：初步的评审反馈将是一个明确的接受或拒绝。被接受的论文可能会有来自评审的修订要求；导师将协助被接受论文的作者满足这些要求。
海报和随机选择演讲：每篇被接受的论文都将分配一个海报展示时段。然而，由于被接受论文的数量不断增加，2025年将不会有每个被接受论文的演讲时段。相反，演讲时段将通过在被接受的论文中随机抽样来分配。
审稿过程：每个提交的论文将收到三篇评审。与往年不同，所有论文在完成评审后将收到初步的接受或拒绝决定。许多被接受的论文将被分配一个导师来指导作者进行修订。最终接受取决于满足导师的要求。
SIGMOD 2025已录用论文
题目：《Bursting Flow Query on Large Temporal Flow Network》
作者：香港浸会大学计算机系数据库团队
论文提出了一个新的网络突发流查询问题来发现大型时序流网络下突发的网络流量，并提出有效的突发流算法以及增量优化策略高效地响应该查询。
题目：《MEMO:Fine-grained Tensor Management For Ultra-long ContextLLM Training》
PKU-DAIR实验室论文
作者：Pinxue Zhao, Hailin Zhang, Fangcheng Fu, Xiaonan Nie, Qibin Liu, Fang Yang, Yuanbo Peng, Dian Jiao, Shuaipeng Li, Jinbao Xue, Yangyu Tao, Bin Cui
论文链接：https://arxiv.org/abs/2407.12117
……
往年资讯
在中国计算机学会（CCF）的分类中，SIGMOD会议被归为数据库/数据挖掘/内容检索领域的A类会议。
2024年，SIGMOD投稿量成倍数增长至1208篇，但录用率仅为17.6% 。同时，中国学者在SIGMOD会议上的表现逐年提升，投稿和接收量都在增加，显示出中国在全球科研交流中的活跃角色和重要影响力，相关快讯可通过会议之眼plus小程序进一步查看。
往年数据：
SIGMOD 2022，共有514篇投稿，录用了151篇，录取率为29.4% 。
SIGMOD 2023，共有660篇投稿，录用了186篇，录取率为28.2% 。
投稿论文范围
包括但不限于：
数据管理系统
对数据库系统进行基准测试、监控、测试和调优
云、分布式、分散式和并行数据管理
新兴硬件上的数据库系统
嵌入式数据库、物联网和传感器网络
存储、索引和物理数据库设计
查询处理和优化
事务处理
l数据仓库、OLAP、分析
模型和语言
数据模型和语义
声明式编程语言和优化
空间和时间数据管理
图形、社交网络、Web 数据和语义 Web
多媒体和信息检索
不确定、概率和近似数据库
流和复杂事件处理
以人为本的数据管理
数据探索、可视化、查询语言和用户界面
众包和协作数据管理
以用户为中心的人机协同数据管理
数据库的自然语言处理
数据治理
数据来源和工作流程
数据集成、信息提取和 Schema 匹配
数据质量、数据清理
数据安全、隐私和访问控制
负责任的数据管理和数据公平性
元数据管理
现代人工智能和数据管理
对非结构化数据进行结构化查询：图像、视频、自然语言等。
自然语言查询
数据库引擎内部的机器学习方法
用于数据库优化的机器学习方法
机器学习管道的数据管理和元数据
知识库管理
数据挖掘
规范性分析
数据驱动的应用程序
数据密集型 （DI） 应用程序
数据科学 （DS） 管道
请注意，本主题中的提交内容应：
专注于 DS 应用程序中的数据生命周期和管道，或者我们核心之外的 DI 领域（例如，图形、网络、天文学）中的新颖数据管理。
详细介绍了 DS 或 DI 应用程序的部署解决方案。
分享真实世界的经验。
提供对系统、数据集、查询日志、基准测试的访问。
描述贡献对未来研究的影响。
