这学期有幸听到闵帆老师的论文写作课,在这门课程中,老师对论文中需要注意的细节和各种规范, 研究方向的选择等等讲述地十分细致.并且很有耐心地解答同学们提出的各种问题. 为大家将来高质量论文的写作奠定了一个很好的基础.
在论文写作这门课中有许多收获, 知道了写作中需要注意的很多小细节, 以此来避免文章中低级错误的发生. 并且还可以让导师审阅过程中保持心情舒畅, 可以节约大量时间, 把时间花费在刀刃上, 而不是一些不必要没营养的东西上.
一. 标题
标题要起得亮眼, 吸引住别人的眼球. 要利于检索, 因为文章写出来就是给别人看的嘛, 论文的被引用数量还是很重要的. 尽量不使用 based on, 因为会显得烂大街. 长度最好控制在 40-60 个字母之间.
二. 摘要
摘要通常包括三个部分: 已有工作的评述, 本文工作的描述, 实验结果. 照着这个写就可以.
三. 关键词
关键词是用于检索论文的一种重要的方式. 常被看作摘要的一种补充. 一般需要 3-5 个关键词. 将关键词按照字母表排序.
四. 引言
引言应该对整个故事进行详细的描述. 最模板的方式, 就是采用与摘要相同的节奏. 摘要的每一句, 都扩展成引言中的一段. 每段的首句被称为"主题句". 每段应有 5–10 句. 这样, 该段就有 50-150 个单词.
五. 相关工作
文献综述的罗列, 数学式子与符号的正确格式. 特殊字符的正常显示等工作都有相应的章法, 不能想当然的写.
六. 实验部分
实验部分为重点. 实验的主要目的是回答一些作者和读者关心的问题.
内部比较
1.展示参数变化所导致的性能变化.
2.展示主要方案与其变种相比的优势.
外部比较
外部比较即与已有算法进行对比.
1.需要比较经典方案, 基准方案, 最先进的方案.
2.很多时候使用柱状图.
3.如果数据太多, 用表格就比图合适.
4.最重要的比较放在最后.
5.要有足够的文字进行分析, 不能让读者自己去观察.
6.并不需要在所有数据集上击败其它方案.
7.在分析自己方案优势之余, 也应该分析它的劣势,. 因为机器学习的基本规律就是 No free lunch, 即一个方案既然有优点, 就肯定有缺点. 既然有擅长的数据/指标, 也就有不擅长的数据/指标.
七. 结论
结论一般不要太长, 5 句就够了. 避免使用与摘要内相同的句子. 摘要里面说我们做了哪些事情, 而这里应该说我们获得哪些观察与结论. 也就是说, 结论比摘要更加具体.
如果要讨论说进一步工作, 可以列出 3 至 5 条, 不算在 Conclusion 的字数里面. 读者很可能非常关注这一部分, 因为他们可以按照这种思路继续进行研究. 作为一项研究工作, 打开一扇门比完全解决某一问题更重要. 如果这一部分写得好, 就会有很多的引用. 引用数量也比论文发表数量更重要.
Latex确实是一个很好的工具, 使用起来很让人省心,效率大大滴提高.
每种期刊都会提供一个或多个格式文件. Latex 源文件只需要进行少量改变, 就可以获得完全不同的版面.
算法伪代码是论文的核心之一.
图片要使用矢量图,放大后不会失真.
图注可以相当长. 有些期刊要求图片是自封闭 Self-enclosed 的, 即仅看图注的解释就够了. 所以一些图注可以有三行或更长.
一般而言, 未出现在任何学术论文中的单词, 不可以使用.
Have’t 与 Don’t
正式论文中, 这种简写是不正确的. 应使用 have not, do not, cannot 之类. 仅当 authors’ 之类的情况, 才使用撇号.
And
禁止在句子的开头用 And. 句子中间慎用 and.
Solve
慎用. 只有我们彻底解决某个数学难题, 写出了相应的定理与证明, 才能说 solve. 做机器学习, 一般无法解决某个问题, 所以应该写 handle 或 address.
其它
使用 https://www.linggle.com 查看单词或词汇的使用频率. 一般选用使用频率高的单词.
每篇论文都应有文献综述, 即对原作者的尊重.
当读者不清楚某些技术的细节时便于查阅
文献需要进行分门别类的介绍 , 便于读者理解你这项工作的位置. 并且会显得条例清晰.
不应将参考文献的引用作为句子的主语、宾语等
不要一次性引用太多文献, 一次不要超过 3 篇, 即不能胡乱堆砌. 即使与这个位置相关的参考文献很多, 也应该想办法放在不同的位置.
在这门课中,我不仅收获了许多论文写作方面的细节,技巧与规范, 提前为将来论文写作避开了许多坑. 并且还知晓了要想自己写一篇论文,需要先看50篇左右的论文,也就是站在巨人的肩膀上. 通过老师的授课,我还知晓了行业领域中的大佬,如周志华. 这可以让我追踪其最前沿的技术,
以上就是我的《论文写作》课程的学习心得。