scholarly-metadata
dblp (CS bibliography)
Die kuratierte Informatik-Bibliographie, die rund sieben Millionen Publikationen aus Informatik-Zeitschriften und -Konferenzen mit sorgfältig gepflegten Autoreneinträgen erschließt. Suchen Sie auf dblp.org oder über die kostenlose API. Der Themenbereich ist strikt auf die Informatik beschränkt, doch innerhalb dieses Feldes ist dblp oft der sauberste und verlässlichste Nachweis darüber, wer was, wo und wann veröffentlicht hat.
Warum es nützlich ist & wie es funktioniert
dblp hebt sich von allgemeinen wissenschaftlichen Indizes ab, weil es für den Bereich Informatik akribisch von Hand kuratiert wird: Die Autoreneinträge sind eindeutig zugeordnet, und die Abdeckung von Konferenzen und Zeitschriften wird sorgfältig gepflegt. Wenn Sie eine verlässliche, saubere Publikationsliste einer Informatikerin oder eines Informatikers benötigen oder alles finden möchten, was auf einer bestimmten Konferenz oder in einer bestimmten Zeitschrift erschienen ist, ist dblp meist vertrauenswürdiger als ein größerer, aber weniger kuratierter Index. Sie können auf dblp.org nach Autor, Titel oder Publikationsort suchen oder strukturierte Daten in JSON, XML oder BibTeX über die kostenlose API abrufen. Der Themenbereich ist strikt auf die Informatik beschränkt.
Was drinsteckt
Mehr als acht Millionen Publikationen sind mit Stand 2025 indexiert, gewonnen aus Tausenden Informatik-Zeitschriften und Konferenzbänden, dazu sorgfältig gepflegte Autorenseiten für mehr als drei Millionen Forschende.
API-Zugang
https://dblp.org/search/publ/api?q=...&format=json ; SPARQL https://sparql.dblp.org/sparql
Was wir gemessen haben
Unsere eigenen Messungen, nicht die Angaben des Archivs. Sie werden regelmäßig wiederholt; jeder Wert ist datiert.
Erreichbarkeit
- Direkte Anfrage
- Hat geantwortet HTTP 200 13,6 s
- Über einen Rechenzentrums-Proxy
- Hat geantwortet HTTP 200 7,2 s
- API, direkt
- Hat geantwortet HTTP 200 2,5 s
- API, über Proxy
- Hat geantwortet HTTP 200 3,3 s
Hat eine echte Suche etwas geliefert?
Lieferte Ergebnisse · 10 Treffer für die Testabfrage · Median 2,1 s · über Läufe hinweg stabil
Testabfrage: An enhanced deep learning framework for DeepFake detection using EfficientNet-B3 comparative evaluation of deep and machine learning techniques.
Benchmark-Abdeckung
Fand 8 von 9 Testobjekten (89%) im Cluster Wissenschaftliche Artikel. Antwortzeit im Median 2,1 s.
Nach Bekanntheit des Objekts: 3/3 sehr bekannt, 3/4 mittel, 2/2 wenig bekannt .
Ein gefundenes Objekt: Determining the impacts of climate change and human activities on vegetation change on the Chinese Loess Plateau conside
Erreichbarkeit gemessen am 2026-08-22. Suche geprüft am 2026-08-22. Benchmark-Lauf vom 2026-08-22.
Zugang
Programmatischer Zugriff über eine API (ggf. mit Schlüssel, siehe API-Kennzeichnung).