IEEE Transactions on Big Data (简称：IEEE TBD）是应运时代的需求而诞生的，随着人类社会进入数字化时代，产生的数据也在爆发式增长，这些大数据在不断改变我们的世界，同时大数据也是 IEEE 的重要主题。2015年，IEEE Transactions on Big Data 由著名的人工智能领域专家杨强博士创刊。
凭借着创刊以来编辑委员会在技术深度和广度方面积累和始终对论文质量与相关性的严格审核，让 IEEE TBD 的发展不断迈向新的高度。目前该期刊被 SCI 收录，预计今年第一个影响因子超过 4！IEEE TBD 将始终坚持发表关于大数据系统、理论和实践领域高质量文章的期刊，并在全球范围内鼓励与支持大数据、知识工程、人工智能等多学科的工作。目前 TBD 的执行主编是来自于清华大学的唐杰教授。
唐杰教授是清华大学计算机系副主任，获杰青、IEEE Fellow。研究人工智能、认知图谱、数据挖掘、社交网络和机器学习。发表论文 300 余篇，引用 16000 余次，获 ACM SIGKDD Test-of-Time Award（十年最佳论文）。主持研发了研究者社会网络挖掘系统 AMiner，吸引全球 220 个国家/地区 2000 多万用户。
作者可以通过 ScholarOne Manuscripts 向 TBD 提交论文，TBD 手稿类型和提交长度要求如下所述：Regular paper – 12 double column pages (Submissions may be up to 18 pages in length, subject to MOPC. All regular paper page limits include references and author biographies.) Short paper – 8 double column pages Comments paper – 2 double column pages Survey papers – 20 double column pages。
同时为了方便各位学者投稿，还为各位学者准备了三种模板，提升论文效率。该期刊为混合期刊，允许传统手稿投稿或作者付费的开放存取（OA）手稿投稿，另外 ORCID 是投稿必须的，因为所有 IEEE 期刊都要求所有作者具有开放研究人员和贡献者 ID（ORCID)。
近期 IEEE TBD 组织了大数据网络结构建模和学习领域的专刊，旨在为网络结构建模和学习的最新进展与真实大数据的应用提供一个互相交流的平台，以促进该领域的发展，TBD 鼓励网络建模和学习方面的原创性研究工作，包括新的深度学习方法、概率图模型及其应用。同时也面向全球征集该领域的最新文章。
本次征稿的主题包括但不限于以下内容：Network construction based on data modeling、Higher-order network modeling and analysis、Community structural modeling and detection、Link prediction、Anomaly detection、Temporal and dynamic network learning、Heterogeneous information network learning、Text-rich network learning、Representation learning on networks、Role discovery、Large-scale applications, including human dynamic and recommendation。
本次征稿的重要日期包括：提交截止日期：2021 年 5 月 31 日、第一轮评审结果的通知：2021 年 9 月 31 日、修订到期日：2021 年 12 月 31 日、接受/拒绝的最后通知：2022 年 4 月 31 日。