论文写作--30条总结
1：写论文要学会八股，严格将正确的内容放在它自己的位置上，结果清晰，语言要通俗易懂。
2：有一些单词的使用要谨慎，比如Don`t这种简写，应该写成do not；不要使用未出现在任何学术论文中的单词。
3：当两个单词或词组表示相同意思，拿不定该用那个时，可以用https://www.linggle.com查看它们的使用频率，选择使用频率较高的哪一个。
4：规避低级错误。比如大小写、空格(标点符号后面一定要有空格)、数学符号(一篇文章中一个符号只能表
达一个意思)等。
5：写好句子的两种方法：1、借鉴法：找好的论文里面的简单句来供自己的论文使用；2、倒腾法：写好中文句子，用翻译软件翻译成英文，再把翻译的英文句子再翻译为中文句子，反复倒腾，直到中文句子和英文句子都不再改变。
6：数学表达式较多时应该给出一个符号表，便于阅读。论文中符号要一致，不同字体的字母表示不同的涵义。
7：用Latex处理数学表达式，Latex比word好。
8：论文题目要有特点，容易理解且有吸引力。论文题目的长度也是有讲究的，一般在40-60个字母之间。
9：摘要严格10句。1、问题及其重要性；2、已有工作；3、已有工作的局限性；4、本文工作；5、6、7是技术优势或本论文的贡献；8、实验设置；9、实验结果；10、提升。
10：关键词一般3-5个来作为摘要的补充。注意按字母表排序关键词。
11：引言非常重要，是对论文故事的一个完整描述，使读者在读完引言后就能对文字有80%以上的了解。引言要做到与摘要同步，把摘要的每一句都扩展成引言中的一段。引言的每一段控制最好控制在5-10句子，过多过少都不太好。
12：计算机领域的顶会流行在引言里面放"开局一张图"。一张图胜过千言万语，能让读者更快的了解文章的主要内容。并且图画的好，还能加分。
13：引言中一定不能用拼写、语法错误等低级错误。表达尽量简洁、得体、有力量。最后就是句子间要条理清晰，节奏明快。
14：文献综述绝不是简单的罗列，大部分参考文献都应该在文献综述中引用。文献综述必不可少，因为我们站在了巨人的肩膀上就得表示对他们的尊重。
15：为了使读者更好的理解这项工作的位置，文献的分门别类也是必不可少的。文献的引用一次性也不易太多，最好一次性不要超过3篇。最后以年份为主线的综述也不值得提倡，因为每年都有大量的文章，会有一种堆砌的感觉。
16：数学是理论的支柱，所以扎实的数学基础对于产出优质的论文是必不可少的。
17：算法的伪代码是论文的核心之一。算法中要有明确的输入和输出，主要步骤必须要有注释，总的长度也需要控制，一般15-30行就很ok。一般还需要对算法的空间、时间复杂度进行分析。
18：实验是论文的重头戏，是论文的灵魂，一个好的实验结果能够使论文更加亮眼。实验中的数据集信息也很重要、数据集越多，结果就越可信。试验的主要目的就是回答读者关心的问题，因此采用自问自答的方式，在实验前提出问题，在实验结果后回答问题。
19：对比实验是论文中的重头戏，要体现自己的算法是优于其它算法的。在复现别人实验时，可能会发现结果不大一致，如果没有什么特别原因，最好就使用自己实现的版本。
20：数据信息的展示用一张表格来呈现，列出使用了那些数据集、来自那些领域及主要参数设置等。
21：结论要直接明了，将获得的结和观察直接写上，可以具体到算法、定理和实验结果等。此外，论文结论也不易太长，5句就够了。
22：进一步工作也需要，一般3至5条，注意与结论的区分。进一步工作可让感兴趣的读者继续沿这个方向研究下去。
23：注意规避参考文献部分的隐藏错误。使用Latex进行参考文献的管理，可以极大的帮助我们减轻负担。
24：论文中图片的使用是必不可少的，一张好的图胜过千言万语。为了图片放大时不失真，论文中的图尽量使用矢量图。有了图，当然图注也是必不可少的，这样才能让读者更快的读懂你的图。最后，引用图片时应与其编号保持一致。
25：论文中的表格往往是对实验参数、结果等的展示，所以一张好的表格也胜过千言万语。表格中同一列要对齐，且所有的列对齐方式要一致，左对齐或又对齐。对于表中最好的数据要用粗体表示，大于1000的数据要用逗号隔开，如1，024。
26：投稿的论文被审稿人打回是家常便饭，这说明我们的论文还需要进一步打磨，所以不要气馁。
27：回复审稿意见要直截了当，问什么就答什么。思想要端正，审稿人的意见是帮你把论文改的更好，而不是想为难你。回复时尽量不要太长，在正文中进行相应的修改才是重点，修改的部分要用蓝色字体标出。
28：会议论文与期刊论文的区别。会议论文中没有章节组织描述，对相关工作的描述较少，实验也比较少，也不讨论future work，最后参考文献也就20篇左右。
29：准备会议论文要注意两点。1、先写一个完整版、然后在投稿前再根据你选择投的会议的篇幅要求进行修改。2、严格安装篇幅要求排，既不能多也不能少。
30：实验结果不好是初学者常见的问题，所以当实验结果不好时，要学会着让结果变好。1、可以设计替换方案，把算法的几个部件分别用类似的方案替换。2、观察算法所适用数据的特点。3、使用各种评价指标，有可能我的算法在某些指标上更好。4、调参，比如神经网络的层数，每层的节点数据等。5、输出中间结果，对中间结果的深入了解，才能获得更多的观察，才有办法进行改进使得最终结果更好。