第一次投TR-C退稿意见分析

写在前面

本文无任何含金量,纯属自嗨

哈哈哈,大家过年好啊,首先祝各位集美们,兄弟们在新的一年 有人爱,有事做,有钱花!

给大家描述一个这样的场景,那些自己学了点三脚猫功夫的小学徒,天天在自己的地盘舞刀弄枪呜呜渣渣的感觉还挺厉害,完了以后就带着自己的看家本领决定出去闯荡江湖,惩恶扬善,实现自己一统江湖的梦想。结果还没走多远,就遇见一个默默无闻的大侠,就开始在他面前比划起来了,什么左勾拳,右踢腿,嘿嘿哈哈的开始找他比武。这大侠不堪其扰,嗖嗖嗖,随便出了几下,只见那小学徒  啊的一声,直接被撂翻在地,先撒泼打滚想讹他一道,后面眼珠子一转,发现眼前这位是个高手,又开始嬉皮笑脸的要找他拜师学艺,什么师傅长师傅短,师傅种地准高产;师傅牛师傅棒,师傅是我的榜样。走啦走啦师傅,咱们去练武去。留下那位大侠一脸黑线。

那么诸位看到题目肯定会疑惑,别人收到拒稿邮件后肯定气的要死,怎么到我这里还特无所谓还发文章大肆宣传一波呢,主要原因有三,first of all,我闲的而且脸皮比较厚;Secondly, 我已经满足了学校毕业要求的论文发表等级条件,所以这个论文就是相当于试一试水;finally, 我挺喜欢现在的研究的,还是希望能把自己这一年的研究成果放到高档次高一点的期刊,让那些专家们来给我毕业论文的修改和以后的研究方向提一提意见。

本人是第一次投稿transportation research part C ,那审稿意见当然是退稿啦,但是我觉得还是要记录一下的,因为专家们提出的建议及意见还是挺厉害的。

正文开始

本文的研究主题是预测 airport acceptance rate,属于空中交通流量管理下面的机场进场流量预测。

拒稿意见(英翻汉)

1.论文研究对象较老,文献综述分析的不好,因此,文献综述是难以捉摸的,最重要的是,本文未能确定提出的方法在AAR预测方面的好处。论文发表之前的AAR技术水平如何?现有方法的预测性能如何?提出的方法是否提高了性能?用多少,怎么用,为什么用?

2.论文就像一门关于深度学习的论文。据我所知,这种方法目前非常“热门”,但这篇论文未能证明他们方法论的新颖性。很明显,我不是在要求一个新的深度学习算法,但在本文中,在方法论/技术方面真正的新东西是什么?不幸的是,采用像深度学习这样的现代先进方法并将其应用于一个老问题,并不符合TR-C的出版要求

3.数据的设置是有问题的。有些时间段的数据并不适合于研究AAR,这些数据包括机场可能无法满负荷运行的若干时段。在这些情况下,着陆的数量并不是因为容量限制,而是因为需求量低。在定义因变量时,这是一个主要问题。例如,我让作者参考I.Simaiakis的博士论文,其中包括容量估计数据集准备的详细描述。

4..结果是有希望的,但仍然不够。总的来说,与其他机器学习方法相比,深度学习似乎最多只能提供一个轻微的改进。这并不是游戏规则的改变,而是预测性能的轻微改善。换言之,表6中的0.88和0.86是不是根本上更好的结果?或者它可能是测试数据集或固有数据可变性的产物?另外,基于注意机制的方法是否优于其他可能的方法?在文章的最后,读者会想知道这种方法会产生什么样的影响——例如,空中交通管理系统如何更好地使用这种方法?

分析

1.论文研究对象较老这个问题,额怎么说呢AAR的确在国外是有一些人研究的比较成熟了,但是在国内这个名词还是一个起步阶段,可以以后工作了再看看有没有什么新的东西能加进去。

2.审稿人说这个论文像是一个深度学习的论文,啊这个我承认,是着重描述了建模的一些分析,案例好像是为了验证这个模型而凑上去的,所以我准备把文章的结构再修改一下,从问题到方法这样写会好一点,现在的思路是有点从方法到问题了。

3.关于数据时段这个问题,我以前是真没想到,的确啊,AAR是一个评估关于容量和流量之间的指标,那如果夜晚流量远小于容量的时候,是不是就不需要去预测AAR了,这个是有道理的,没进行实际分析啊。我再想想这个要怎么修改

4.关于预测结果0.88这个问题是最无奈的,他的提升程度的确不算很高,那怎么办呢,我总不能把它四舍五入当做0.90写上去吧,那也太不道德了。

5.基于注意力的方法是否优于其他方法, 这个问题真的是因果轮回,集美们,我上上周才审了一个稿子,就给那个作者提了这个问题,结果呢,到我这里也出现了这个问题,大无语。

最后

我再想一想修改方式,总归要把这个文章投出去的,那做科研呐,最重要的就是开心啊。希望我们以后都能对写论文看审稿意见都抱着这样淡定的态度,开心一点。

ps.本来我还想说在这个文章的acknowledge里面把女明星迷人的郭老师也感谢一下,可惜可惜文章被直接拒稿了,耶斯莫拉!!!。

 

 

 

你可能感兴趣的:(碎碎念)