论文写作心得
此贴记录22年秋季闵帆老师的论文写作课程中，自己学习到的一些心得体会。
在初入研究生阶段，我们可能并未有过严谨的论文写作经验，而闵帆老师为我们系统地讲解了如何从头开始第一篇论文，如何避免一些常见的错误等，让我们有效的避免了无从下手的尴尬。
最重要的几点：
1. 一定要使用Latex编写，其强大的排版不是word或者wps能相提并论的.
2. 避免最基础的错误，例如单词错误，标点符号出错.
3. 解决自己英语语法弱的两种方法。借鉴法：找20篇论文（注意一定要是顶刊，这样的话可以有效避免原文语法错误），找出常用的句式，自己尝试着去改，就像背考研作文一样。倒腾法：将自己写的中文利用谷歌翻译等软件，来回翻译，直到它不变化了，然后自己再替换其中的专业词汇.
题目
4. 注意控制字数，最好在40-60个字符之间，最好要做到方便理解.
5. 要利于检索，这样可以有效提高题目的引用量.
6. 尽量避免使用base on等词汇等.
非常重要的摘要
摘要在整片通常分为三个部分：已有工作的评述, 本文工作的描述, 实验结果。
7. 具体来讲，常见的摘要可以这么来写:
- 问题及其重要性，本句可以说明问题所属的领域, 解释最重要的概念, 或者强调问题的重要性.
- 已有工作，本句可以描述该问题的流行解决方案. 如果说我们做研究是 “站在巨人的肩膀上”, 本句就描述巨人长什么样子.
- 已有工作局限性，本句以 However 开头, 需要注意.
- 本文工作，以 In this paper 开始，出现算法的缩写.
- 本文方法的第 1 个技术/步骤/方面/优势/贡献.
- 本文方法的第 2 个技术/步骤/方面/优势/贡献.
- 本文方法的第 3 个技术/步骤/方面/优势/贡献.
- 实验设置，给出数据的领域、来源、数量.
- 实验结果，提高了准确性、效率等等.
- 提升，吹嘘一下论文的意义: 为该领域打开一扇门之类.
文章里面的一些词汇使用
8. 像我们平常使用的don’t 这些缩写不要使用，变成do not来使用.
9. 谨慎使用easy等单词，不要贬低自己成果或者感觉态度太嚣张.
10. 像这个网站https://www.linggle.com就可以查询单词使用的频率，太低的最好别使用.
11. 像句子开头的时候，尽量不要用And，and适用于并列关系的情况.
伪代码
12. 要说明输入、输出，主要步骤要有注释，长度控制到15~30行，可以引用已有的式子，一般需要进行时间、空间复杂度分析，并写出配套的property以及相应的表格，以使其更标准。
实验
13. 理论上来说，尽可能多的选择数据集（只是理论上），因为这样的话，实验结果的可信度越高，一般来说选择十多个公开数据集就足够了.
14. 与目前已有的算法进行比较，需要比较经典方案，基准方案，最先进的方案（例如2022年的新算法等），要有足够的文字进行分析，不能让读者自己去观察。
15. 很多时候使用柱状图，如果数据太多，用表格就比图合适，如果要把参数影响，数据集大小影响也表现出来，就只有用折线图，最重要的比较放在最后.
16. 理论上来说，自己的算法并不是在每方面都能战胜其他算法，在分析自己方案的优势之余，也应该分析它的劣势.
17. 实验的主要目的是回答一些作者和读者关心的问题，因此，采用自问自答的方式，在实验之前提出这些问题，在实验结果列出后逐个回答它们.
18. 算法效果的比较通常以表格和图片的形式呈现。在表格中，可以通过粗体、斜体或圆形标记突出显示效果更好的算法。然而，相同的结果不应该同时出现在表和图中，这将显得多余.
结论
19. 结论应是对全文的总结，应重点总结归纳全文的论点，不要出现论文主体之外的新观点和新话题，内容应与Introduction部分首尾呼应.
20. 要客观地评价自己的算法，并提出进一步的工作，在5句话之内解决.
21. 总结5句话之内解决，并且要注意不要和摘要重复了.
图片
22. 不要忽略图片方面的细节，尽可能的选择矢量图，因为矢量图在放大缩小的时候，清晰度并不会影响，避免普通图片在放缩时造成分辨率降低.
数学表达式
23. 尽可能的用最简单的式子表达，但是要让读者易于理解表达式中的各种关系（难）.
24. 符号，大小写，角标一定要规范，例如范数，绝对值，向量等.
25. 数学表达式在最后的时候，应该有一个句号（经常会忘记这一点）.
文献综述
26. 使用Latex提供的bib文件进行参考文献管理，不要自作聪明的乱改.
27. 引用中的名字要有意义，这样也可以避免面不同参考文献命名冲突.
28. 没有认真阅读过的文献不要引用，非一流期刊上的论文慎重引用，对论文研究工作没有借鉴意义的名人之作不要勉强引用，脱离论文主题的文献不引用.
审稿意见回复
29. 稿件投到期刊，如果审稿意见让修改，那就有一定希望能过。因此在回复时，一定一定要注意思想和态度上的端正，直面回答问题，回复不要太长，正文中进行相应的修改才是重点.
实验效果不好
30. 先哭一会吧.
31. 首先考虑方案是否合理，方案是否与数据集匹配（稀疏，稠密等），最后就看运气咯.
32. 如何改进实验效果才是最终目的，最直接的就是更改类似方案，例如更改特征提取的方法.
33. 尝试其他评价指标，毕竟对于一种算法来说，可能Accuracy，NDCG，AUC高，可能F1低，尝试不同的，最后取其优.
34. 当上述方法都试过后，最后一部大法，调参。在常见的神经网络中，例如层数，节点数，激活函数等，挨个尝试，说不定有奇效.