数据库中哪些可以检索会议文献

数据库中国家科技图书文献中心、中国学术会议文献数据库、万方数据库可以检索会议文献。

1、国家科技图书文献中心

国家科技图书文献中心（NSTL）文献服务具体内容包括：文献检索、全文提供、网络版全文、目次浏览、目录查询等。非注册用户可以免费获得除全文提供以外的各项服务，注册用户同时可以获得全文提供服务。

2、中国学术会议文献数据库

收录会议级别高，全国重点会议(会议名称包含“国际”、“中国”、“全国”等）数量占收录会议总量90%以上；是国内目前收录会议数量最多，学科覆盖最广的数据库；收集年代久远，有些机构、专业的会议已形成系列；同时收录中文与西文会议，使资源更加丰富、完整。

3、万方数据库

由万方数据公司开发的，涵盖期刊、会议纪要、论文、学术成果、学术会议论文的大型网络数据库；也是和中国知网齐名的中国专业的学术数据库。

扩展资料

万方科技信息数据库包含内容：成果专利，内容为国内的科技成果、专利技术以及国家级科技计划项目。中外标准，内容为国家技术监督局、建设部情报所提供的中国国家标准、建设标准、建材标准、行业标准、国际标准、国际电工标准、欧洲标准以及美、英、德、法国国家标准和日本工业标准等。

科技文献，包括会议文献、专业文献、综合文献和英文文献，涵盖面广，具有较高的权威性。机构，包括我国著名科研机构、高等院校、信息机构的信息。台湾系列，内容为台湾地区的科技、经济、法规等相关信息。

国家科技图书文献中心文献检索栏目向用户提供各类型科技文献题录或文摘的查询服务。文献类型涉及期刊、会议录、学位论文、科技报告、专利标准和图书等，文种涉及中、西、日、俄等。提供普通检索、高级检索、期刊检索、分类检索、自然语言检索等多种检索方式。

参考资料来源：百度百科-国家科技图书文献中心

参考资料来源：百度百科-中国学术会议文献数据库

参考资料来源：百度百科-万方数据库

顶级：SIGKDD

二流：ICDM，SDM ，EDBT等

上面是专门的数据挖掘会议，其他像SIGMOD,VLDB,ICDE等数据库类会议都会有专门的数据挖掘session ，下面是有人专门总结的，引用一下：

一流的：数据库三大顶级会议SIGMOD，VLDB，ICDE，数据挖掘KDD，实际相关的还有机器学习ICML,还有信息检索的SIGIR；数据库的理论会议PODS，但它是理论的会议所以和咱们就不大相关了

二流的：EDBT，ICDT，CIKM，SDM，ICDM，PKDD，还有ECML欧洲的机器学习会议（这个应该是1.5档的，比一般的二流好）

SIGMOD：97分，数据库的最高会议，涉及范围广泛，稍偏应用（因为理论文章有PODS）。没说的，景仰如滔滔江水。这个会议不仅是double-blind review，而且有rebuttal procedure，可谓独树一帜，与众不同。

VLDB：95分，非常好的数据库会议。与SIGMOD类似，涉及范围广泛，稍偏应用。

从文章的质量来说，SIGMOD和VLDB难分伯仲，没有说谁比谁更高。他们的范围也几乎一样。

不少牛人都认为，今年的rebuttal procedure其实并不怎么成功。投稿太多，很难做到每一

篇都公平公正。很多rebuttal没人看。

double-blind是把双刃剑。这几年来每年都有人冒充牛人的风格来投稿，有的还真进去了。

反而VLDB的审稿质量一直很高。每年的VLDB都有很理论的paper。

一般来说，我感觉大家还是认为SIGMOD要好那么一点点。根据我个人读过的文章，也有这样的感觉。不过这个并不重要了，有差别也是那么一点。

PODS：95分。是“数据库理论的最好会议,也是一个很好的理论会议”。每年总是co-located with SIGMOD。感觉其中算法背景的人占主流（你可以数数PODS文章中有多少来自Motwani group），也有一部分AI背景的人（毕竟SIGART也是主办者之一）。它的影响力远不及SIGMOD，然而其中文章的质量比较整齐，variance小于SIGMOD（以及其他任何数据库会议）。有一位牛人说：“PODS never had a really bad paper，”这是它值得骄傲的地方。

KDD:：full paper 95分，poster/short paper 90分。数据挖掘的最高会议。由于历史积累不足以及领域圈子较小，勿用讳言KDD目前比SIGMOD尚有所不如。我觉得我们可以这样类比：KDD:SIGMOD=CRYPTO:STOC。回顾密码学的历史，真正最牛的文章一般发在STOC/FOCS而非C

RYPTO/EUROCRYPT，这和今天的数据挖掘何等类似！然而你看看今天的密码学文章，已经有顶级的密码学家（恕我不便写出名字）不再往STOC/FOCS投稿。我觉得同样的事情在不久的将来也会发生在数据挖掘中，让我们拭目以待。

这几年来KDD的质量都很高。其full paper的质量高于SIGMOD/VLDB中数据挖掘方面的paper的质量。原因是SIGMOD/VLDB审稿人中数据挖掘的人很少，审稿标准不一定能掌握得很好。

这几年好几篇SIGMOD/VLDB的数据挖掘paper都follow一些KDD的paper。而在KDD，要拿一篇full paper真难。去年复旦拿了一篇，实属难能可贵。今年他们又拿了一个SIGMOD demo，说明工作的确很扎实。

听说在很多地方，如果能有一篇SIGMOD/VLDB/KDD，就能博士毕业，能有两篇就能找到不错的工作。“革命尚未成功，同志仍需努力！”

ICDE：92分。很好的数据库会议，也是一个大杂烩。好处是覆盖面广、包容性强，坏处是文章水平参差不齐。

EDBT：88分，不错的数据库会议，录取率很低然而历史积累不足，影响还明显不及ICDE。

ICDT：88分，PODS的欧洲版，数据库理论第二会议。

和SIGMOD/VLDB一样，ICDE和EDBT在质量和影响上都不相上下。

其它的如CIKM，ICDM，SDM，SSDBM，PKDD等等都比以上的会议差一截。

CIKM：85分。

SDM：full paper 90分，poster/short paper 85分。SIAM的数据挖掘会议，与ICDM并列为数据挖掘领域的第二位，比KDD有明显差距。好像其中统计背景的人比较多，也有一部分机器学习背景的人，比较iversified。

ICDM：full paper 90分，poster/short paper 85分。IEEE的数据挖掘会议，与SDM并列为数据挖掘领域的第二位，比KDD有明显差距。

PKDD：83分（因为poster/short paper数量很少，所以不予区分）。好像是KDD的欧洲版，但与KDD差距很大。

SIGMOD(Special Interest Group on Management Of Data）：97分，数据库的最高会议，每年一次，涉及范围广泛，稍偏应用（因为理论文章有PODS(Symposium on Principles of Database Systems）。没说的，景仰如滔滔江水。这个会议不仅是double-blind review，而且有rebuttal procedure，可谓独树一帜，与众不同。

网址：http://www.sigmod.org/

VLDB( Very Large Data Base)：95分，非常好的数据库会议，每年一次。与SIGMOD类似，涉及范围广泛，稍偏应用。

网址：http://www.vldb.org/

SIGMOD与VLDB比较：

1、从文章的质量来说，SIGMOD和VLDB难分伯仲，没有说谁比谁更高。他们的范围也几乎一样。不少牛人都认为，今年的rebuttal procedure其实并不怎么成功。投稿太多，很难做到每一篇都公平公正。很多rebuttal没人看。

2、double-blind是把双刃剑。这几年来每年都有人冒充牛人的风格来投稿，有的还真进去了。反而VLDB的审稿质量一直很高。每年的VLDB都有很理论的paper。

3、一般来说，我感觉大家还是认为SIGMOD要好那么一点点。根据我个人读过的文章，也有这样的感觉。不过这个并不重要了，有差别也是那么一点。

PODS（Symposium on Principles of Database Systems）：95分。是“数据库理论的最好会议,也是一个很好的理论会议”。每年总是co-located with SIGMOD。感觉其中算法背景的人占主流（你可以数数PODS文章中有多少来自Motwani group），也有一部分AI背景的人（毕竟SIGART（Special Interest Group on Artificial Intelligence）也是主办者之一）。它的影响力远不及SIGMOD，然而其中文章的质量比较整齐，variance小于SIGMOD（以及其他任何数据库会议）。有一位牛人说：“PODS never had a really bad paper，”这是它值得骄傲的地方。

KDD（Knowledge Discovery and Data Mining）：full paper 95分，poster/short paper 90分。数据挖掘的最高会议。由于历史积累不足以及领域圈子较小，勿用讳言KDD目前比SIGMOD尚有所不如。我觉得我们可以这样类比：KDD:SIGMOD=CRYPTO:STOC（Symposium on Theory of Computing）。回顾密码学的历史，真正最牛的文章一般发在STOC/FOCS而非CRYPTO/EUROCRYPT，这和今天的数据挖掘何等类似！然而你看看今天的密码学文章，已经有顶级的密码学家（恕我不便写出名字）不再往STOC/FOCS投稿。我觉得同样的事情在不久的将来也会发生在数据挖掘中，让我们拭目以待。

网址：http://www.sigkdd.org/

这几年来KDD的质量都很高。其full paper的质量高于SIGMOD/VLDB中数据挖掘方面的paper的质量。原因是SIGMOD/VLDB审稿人中数据挖掘的人很少，审稿标准不一定能掌握得很好。这几年好几篇SIGMOD/VLDB的数据挖掘paper都follow一些KDD的paper。而在KDD，要拿一篇full paper真难。去年复旦拿了一篇，实属难能可贵。今年他们又拿了一个SIGMOD demo，说明工作的确很扎实。

听说在很多地方，如果能有一篇SIGMOD/VLDB/KDD，就能博士毕业，能有两篇就能找到不错的工作。“革命尚未成功，同志仍需努力！”

ICDE（International Conference on Data Engineering）：92分。很好的数据库会议，也是一个大杂烩。好处是覆盖面广、包容性强，坏处是文章水平参差不齐。

网址：http://www.icde.org/

EDBT（Extending Database Technology）：88分，不错的数据库会议，双数年开一次，录取率很低然而历史积累不足，影响还明显不及ICDE。

ICDT（International Conference on Database Theory）：88分，PODS的欧洲版，数据库理论第二会议。

参考网址：http://www.informatik.uni-trier.de/~ley/db/conf/icdt/

http://www.math.spbu.ru/edbticdt/index.html -----DBT/ICDT 2009 joint conference两个会议2009一起在俄罗斯举行

和SIGMOD/VLDB一样，ICDE和EDBT在质量和影响上都不相上下。其它的如CIKM，ICDM，SDM，SSDBM，PKDD等等都比以上的会议差一截。

CIKM(Conference on Information and Knowledge Management)：85分。

SDM：full paper 90分，poster/short paper 85分。SIAM(http://www.siam.org/)的数据挖掘会议，与ICDM并列为数据挖掘领域的第二位，比KDD有明显差距。好像其中统计背景的人比较多，也有一部分机器学习背景的人，比较diversified。

ICDM(International Conference on Data Mining)：full paper 90分，poster/short paper 85分。IEEE的数据挖掘会议，与SDM并列为数据挖掘领域的第二位，比KDD有明显差距。

参考：http://www.cs.uvm.edu/~icdm/

PKDD(Practice of Knowledge Discovery in Databases)：83分（因为poster/short paper数量很少，所以不予区分）。好像是KDD的欧洲版，但与KDD差距很大。

参考：http://www.ecmlpkdd2008.org/

ACM（Association for Computing Machinery）旗下的数据库会议(SIGMOD、VLDB、PODS、KDD)；IEEE(Institute of Electrical and Electronics Engineers)旗下的数据库会议（ICDE、ICDM）。

---