本推文对2025年5月出版的数据挖掘领域国际顶级期刊《IEEE Transactions on Knowledge and Data Engineering》进行了分析，对收录的62篇论文的关键词与研究主题进行了汇总，并对其中的研究热点进行了深入分析，希望能为相关领域的研究人员提供有价值的参考。
推文作者为邓镝，审校为韩煦
一、期刊介绍
IEEE Transactions on Knowledge and Data Engineering（简称TKDE）是由IEEE Computer Society出版的一份专注于知识与数据工程领域的学术期刊，每年共出版12期，被归为中科院二区期刊，目前的影响因子为8.9。如图1所示，TKDE的最新年度发文量约为905篇，显著上升，显示了该期刊的活跃度和对高质量研究的持续需求。
图 1 近年来TKDE发文量
TKDE的收稿范围包括但不限于基于知识和专家系统的知识与数据工程、与知识和数据管理相关的人工智能技术、知识与数据工程工具和技术、分布式知识库和数据库处理、实时知识库和数据库、基于知识和数据的系统结构、数据管理方法、数据库设计与建模、查询、设计与实现语言、完整性、安全性与容错性、分布式数据库控制、统计数据库、系统的集成与建模、算法及其性能评估、数据通信以及这些系统的应用。
期刊官网：https://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=69
二、 热点分析
本文对该期所收录的62篇论文进行了系统归纳。图2为基于本期论文研究热点生成的词云图，表1则总结了全部论文的标题、关键词以及研究主题，旨在为数据挖掘等相关领域的研究人员提供研究方向上的参考。
图 2 2025年5月TKDE研究热点词云图
表 1 2025年5月TKED论文合集
标题
关键词
研究主题
A Causal-Based Attribute Selection Strategy for Conversational Recommender Systems
对话推荐系统、因果推理、去混淆、属性选择
提出了一种基于因果推断的特征选择策略，用于会话推荐系统以提升推荐效果。
A Novel Expandable Borderline SMOTE Over-Sampling Method for Class Imbalance Problem
类别不平衡、过采样、合成样本、分类
提出了一种新型可扩展边界SMOTE过采样方法，用于解决类别不平衡问题。
A Unified Framework for Bandit Online Multiclass Prediction
在线学习、多类别分类、带臂学习、梯度下降
提出一个统一框架用于在线多类预测，在探索-利用场景下通过Bandit方法进行预测。
A Universal Pre-Training and Prompting Framework for General Urban Spatio-Temporal Prediction
时空预测、预训练、提示学习、通用模型
针对智慧城市中的时空数据预测，提出一个通用的预训练加提示学习框架。
Adaptive Reliable Defense Graph for Multi-Channel Robust GCN
图神经网络、鲁棒性、防御、对抗攻击
提出一种自适应可靠的多通道防御图，用于提高图卷积网络对抗攻击的鲁棒性。
An Amortized O(1) Lower Bound for Dynamic Time Warping in Motif Discovery
时间序列、动态时间规整、模体发现、下界
研究了时间序列模式发现中动态时间规整算法的复杂性，并提出了摊销O(1)下界分析。
Build a Good Human-Free Prompt Tuning: Jointly Pre-Trained Template and Verbalizer for Few-Shot Classification
提示学习、Few-shot、模板学习、Verbalizer
提出联合预训练的模板和Verbalizer方法，实现无人工干预的提示调优用于少样本分类。
CAFE: Improved Federated Data Imputation by Leveraging Missing Data Heterogeneity
联邦学习、缺失数据插补、数据异质性、个性化模型
提出Cafe框架，通过利用缺失数据的异质性来改进联邦学习环境下的数据插补效果。
CGoFed: Constrained Gradient Optimization Strategy for Federated Class Incremental Learning
联邦学习、增量学习、遗忘、梯度优化
提出CGoFed策略，在联邦增量学习中引入受约束的梯度优化，以缓解增量学习中的灾难遗忘。
CMVC+: A Multi-View Clustering Framework for Open Knowledge Base Canonicalization
多视图聚类、知识库规范化、实体聚类、对比学习
提出CMVC+框架，使用多视图聚类和对比学习对开放知识库进行实体规范化。