关于论文撰写的总结


  
日期：2018-3-20   
  
  
地点：甘肃 ⋅⋅ 兰州


对于《学术世界》公众号上有关于论文书写的文章，大多部分是关于中文论文上的格式要求或者英文论文的语法要求，但根据我对不同外文期刊或者会议论文的了解，不同的期刊论文的格式不尽相同，可以根据不同的期刊要求做出对应的格式修改即可。因此在本篇论文中不再总结论文撰写的具体细节，而是简单总结一下论文的整体构成及其书写思路。

最近在准备写第一篇小论文，由于非英语本土人士，英文描述表达上可能不符合外文书写要求，需要参考总结外文文献的书写规范。本文是在参考文献《Science research writing for non-native speakers of English》后写出的一篇小总结。文献2中详尽的阐述了英文论文基本架构、书写的主要思路和英文常用句式语法等，在本文中主要总结论文的基本架构。

一般而言，一篇论文的基本架构如下图所示：



注意到上图的形状，由宽->窄->宽。这意味着所开始研究的课题是从一个宽的角度切入，这个角度可以是一个应用或者是一个科学领域，然后再切入到感兴趣的某个/某几个研究点。中间部分是通过设计模型进行实验得到结果的过程。最后是对结果进行总结，同时讨论认为本文可能继续拓展和研究的方向。 

接下来，将会对基本框架的各个部分进行概括性的描述，分别是：

摘要（Abstract）
引言（Introduction）
相关研究（Related work）
方法/模型（Methodology/model）
实验（Experiments）
结论/讨论（Conclusion/Discussion）
摘要

摘要是对全文进行极其精简的概括，令读者对文章有一个初步性的了解。

摘要的基本写法是：

首先肯定所研究的问题的重要性->现有研究存在不足之处->对此提出了什么样的方法->该方法是怎么做的(首先，…；其次，…；然后，…；最后，…)->实验结果表明你的方法的有效性(具体可表现在某些评判标准上，或者你的结果是state of the art等)。



引言

引言部分是让读者能够了解到论文的思路的开口，一般这一部分是对你所研究的课题上他人所完成的一些成果的概括（前人工作的解决方式的优缺点，如A论文解决了什么，什么待解决。B论文解决了什么，但代价太高，比如性能较差等）。同时，表明你在这个研究课题上所做的工作以及贡献(注意contribution一定要准确清楚地指明出来，但千万不能overclaim)。

引言的基本写法是：

阐述你正在研究的应用或者科学领域下该课题的重要性->存在的一些问题/现象->目前相应的一些研究成果->这些研究成果尚存在的一些待解决的问题->本文针对该问题进行的研究/提出了一些新的可能的解决方案->该方法具备的创新之处/贡献之处->该研究获得了什么样的结果/结论。



相关研究

站在巨人的肩膀之上，能够帮助我们看得更远。当你在做一个热门的问题的时候，必然有许多很好的研究成果已经被发表了，通过阅读文献可以帮助我们了解到什么是对我们有帮助的，同时也是在帮助我们避开已有的研究。

在这一部分，主要是介绍本文涉及的研究方法，在以往有什么样的类似或者经典的工作，比较这些论文，阐述她们各自的优缺点->进行过渡，本文较以往的工作有何创新之处或者值得研究的地方。



方法/模型

模型和方法这一部分是全文最核心的地方，这一部分的阐述应包含详细有效的细节（包括你自己做的或者利用现有的），能够让读者进行复现并获得近似的结果。

在阐述模型这一部分时，你需要问自己三个问题3：

How do I start the Methodology/Experimentssection? What type of sentence should I begin with?
What type of information should be in this section, and in what order?
How do I end this section?
针对第一个问题，个人理解为是“总->分”的形式来阐述，开头用简洁的几句话对完整的模型或者方法进行概括，给人一个总的印象。

针对第二个问题，就是对各个小模块进行详细的说明，可以是“从下到上”的结构，比如：特征构建/特征融合->模型的构建过程；或者类似于神经网络中对网络底层到上层的逐层描述等。

图胜于表格，表格胜于文字，架构图能够帮助你也帮助别人更直观地明白你的模型；公式、算法、证明、定义声明等，尽量用专业的工具进行编写。

针对第三个问题，一般就是以模型训练来结束整个模型部分，主要阐述目标函数。



实验

实验部分是让读者在复现实验时，能够了解到实验过程中的一些需要注意的细节，比如参数设置等。

这一模块包括：实验设置->评价标准->实验结果展示->实验分析。

注意这里该讲你是如何用实验验证你的解决方案支持你的contributions。需要使用图表来说明，同时也需要说明原因，为什么会这样。



结论/讨论

在最后一个部分，是由窄到宽的形状，这代指对实验得到的结果进行分析和总结(模型的优点和缺点都可以讨论)，并由结果推广到讨论，阐述模型可能继续完善的方向或者可能有其他的方法来展开实验，给读者做铺垫的过程。

一个好的结论，应该是与Introduction首尾呼应的，达到完美表现效果。

Glasman-DealH. Science research writing for non-native speakers of English[M]. WorldScientific, 2010. ↩
Glasman-DealH. Science research writing for non-native speakers of English[M]. WorldScientific, 2010. ↩
Glasman-DealH. Science research writing for non-native speakers of English[M]. WorldScientific, 2010. ↩

对话模型此前的研究大致有三个方向：基于规则、基于信息检索、基于机器翻译。基于规则的对话系统，顾名思义，依赖于人们周密设计的规则，对话内容限制在特定领域下，实际应用如智能客服，智能场馆预定系统。基于信息检索是指根据输入语句，在回复候选集中匹配最相近的语句作为回复，涉及到特征与排序算法的选择。优点是得到的回复通常语法正确、语义明确，但由于回复是事先存在的，因此不能很好的适应语境。还有一种思路源自机器翻译，使用神经网络encode-decode框架：将输入语句映射为向量，根据向量生成回复。需要注意的是，对话生成与机器翻译有明显不同的地方：机器翻译要求输入与输出的语义完全一致，但在对话中需要有话题深入等语义偏移的情况。
这里总结的4篇文章均基于机器翻译的思路，使用神经网络为对话生成建模。第一篇文章是最典型的encode-decode结构；第二篇文章在decode网络输入部分做了修改，建模“回复中的词语各侧重于上下文不同部分”这一情况；第三篇文章在encode网络处做了修改，没有使用与decode部分同类的网络，输入也换成了context与message的bag-of-word，直观理解，更偏向于对输入语句主题的提炼挖掘。第四篇文章修改了decode网络的目标函数，意图使系统生成更丰富的回答，而不是一些通用于各种语境的无效回复，如”I don’t know”。

1.《A Neural Conversational Model》

purely data driven approach without rules，采用了seq2seq框架，使用两个LSTM，分别：将输入语句映射为固定长度的向量，根据向量预测对话中的下一句话。在特定主题的数据集IT helpdesk troubleshooting和无特定主题的电影对白数据集OpenSubtitles上进行了实验，可以回答某些简单问题，但是与其他对话系统一样，存在前后话题一致性的问题。
Overview：



2.《Neural Responding Machine for Short-Text Conversation》

同样采用了seq2seq框架,使用的是两个RNN：从输入语句中习得潜在语义（encode），然后根据潜在语义生成应答语句（decode）。这篇论文创新之处在于decode网络输入变量的构造上——往常的seq2seq模型是将encode网络的最后一个隐状态作为decode网络各个时刻的输入；但在这里，是将encode网络各个时刻的隐状态加权之后，作为decode网络不同时刻的输入。不同时刻下，decode网络中的输入不同，因为对encode隐状态使用的权值不同。直观的理解是，对于decode网络将生成的新词，它对应的是上下文信息中的某一部分，而不是整个上下文信息，因此使用权重来加强对应的部分。这种思路最初见于《NEURAL MACHINE TRANSLATION BY JOINTLY LEARNING TO ALIGN AND TRANSLATE》，并且在其中提到了权重的计算方法：需要计算此时decode网络的前一个隐状态和的encode网络各隐状态的“对齐”情况，单独使用一个神经网络训练完成的。文中取的最好效果的模型还需要在上述方法中加一些改进：输入到decode网络各时刻的变量，由encode网络各时刻隐状态加权结果与encode网络最后时刻隐状态连接而成。
Overview:


Decoder:standard RNN


Global scheme:
 
local scheme:
 
Combine global and local:
 
 
3.《A Neural Network Approach to Context-Sensitive Generation of Conversational Responses》
encoder为多层前向网络，decoder为RNN。论文中将对话分为context,message,response。其中，为了保持上下文信息，在encoder的输入为对话中context和message的bag-of-word（文中考虑了context、message词袋合并、分开两种情况），并且encoder网络最后一层的输出向量参与到decoder的每个隐层计算中去。
 
4.《A Diversity-Promoting Objective Function for Neural Conversation Models》
    对话模型倾向于生成一些通用的回答，譬如“I don’t know”，无论前一句是什么都适用。针对这个问题，作者提出了新的decode网络目标函数，希望可以生成多样化的回答。Decode网络通常使用的目标函数是使得输出句子在给定输入时取得最大似然（见公式7），作者提出目标函数应使得输入句与输出句有最大互信息（见公式8），以此来限制通用的、与上下文无关的回答。
 
 
作者对公式8进行了两种变形（公式9，公式10），对应着论文中的两种实现思路，推导过程及结果见下图。针对公式9，作者还进一步考虑了：头几个生成的词语对整个输出句子的影响很大，因此对头几个词乘上惩罚系数，鼓励那些概率不那么大的词作为句首，希望借此生成更丰富的回答；鼓励生成更长的句子，但设有上限（20个词）。针对公式10，需要计算给定回复下得到输入句的概率（P(S|T)），这要求先生成回复T，而T搜索空间极为巨大。故作者在实现时先使用P(S|T)求得N-best候选应答，然后在再根据完整的公式10重排，得到最佳应答（近似）。

1.科技论文写作，文笔要优美，一定不要有语法错误，符合中文书面语的习惯。三个层次大家要做到：语法正确、书面语、文笔优美。从中也体现了论文作者严谨的工作态度，严谨的书写态度可以从一个侧面反应了严谨的科研态度。

　　2.论文整体框架明确，思路清晰，逻辑性强。只有有清晰的逻辑，才会有清晰的科研思路，清晰的科研思路，才会有有价值的论文。

　　3.我个人写论文的习惯，在论文的第一部分（或前言部分）都会给出下面几部分的介绍。典型的说法是在第一部分的最后一段，写上：

　　 本文其他部分的内容安排如下，第二部分介绍了…..第三部分给出了…..；…….在第四部分做了详细的介绍，最后是文章的结论和前景展望。

　　 考虑到审稿人不可能在一个时间点上就能审完稿件，同时省去了审稿人翻阅整篇文章才能知道全文内容的不便，给出这样的介绍应该有利无弊。（一家之言）

　　4.关于参考文献。为了体现作者严谨的写作态度，要保证：论文中确实引用了别人的地方才列出这个参考文献；参考文献列表严格按照文中出现顺序给出；参考文献的每一个序号都能在文中找到。比如，有10个参考文献，那么，文章中最好能够找到从1到10这10个标号。

　　5.还是参考文献。考虑到科技论文的被引用次数是一篇文章价值高低的重要衡量指标，因此，在引用参考文献时，优先考虑所投期刊发表的文章，优先考虑期刊主编、编委和专家库中专家发表的文章。同时，高质量的期刊的编委、专家的水平都比较高，引用他们的文章只会增加你文章的分量。

　　6.简单－复杂－简单的过程。如果你书写的论文比较复杂，别人需要花一定的时间才能搞清楚，一般情况下，审稿人也非查忙，没有太多的时间搞清楚你这个问题。有几种情况，一种是审稿人就是你这个领域的专家，当然，他可以掌握一切；第二种情况，专家熟悉你这个领域，但是你做的东西，他未必很熟悉；第三种情况，他仅仅熟悉你这个领域，具体他不知道；第四种情况很少出现，就是他压根就不懂你写的东西。不论是哪种情况，如果你能够很简洁的描述出你所解决的问题以及你的主要贡献，然后比较复杂的具体细节介绍，包括创新点的介绍，最后又能简洁明了的给出结论，审稿人会有一种比较清晰的感觉。

　　7.有价值，你一定要明确说出来，不要指望着审稿老师可以帮你总结出来。

　　8.调研部分，一定要明确、清晰，有比较。

　　9.意义明确，审稿人可能不容易猜出你文章的意义所在，所以你一定要明确的指出：目前国内外怎么样，没有怎么样，而我填补了什么，作出了什么贡献，有很大的意义。

　　10.前景展望：如果你在某些方面的工作做的还不足，但是能够一针见血的指出以后的问题和发展方向，也是一个很可取的论述。

　　11.风格一致。（想投什么刊物，就以那个刊物的文章风格作为蓝本）

　　12.想审稿人之所想，做审稿人之想要，知己知彼，百战不殆。换位思考，幻想你是审稿人，你会如何评价这篇文章。另外，己所不欲，勿施于人，不要指望审稿老师能够大度地容忍哪怕是一点点低级错误。

　　13.其他细节方面，比如基金（说明创新意义）、致谢、取得成果、创新点等，具体情况具体分析。

　　14.目的明确，不做无用功。

　　15.不要在一颗树上吊死，眼界开阔，选准目标。主要期刊、国外会议、甚至国内会议都要关注。

　　16.关键词： EI ISTP SCI 重要期刊 被重要期刊刊出的国内会议 

　　17.最重要的两点：

　　 克服惰性，努力；制定计划，切实把完成论文计划当作一件重要的事情来对待和完成。记住：机遇只垂青那些有准备的头脑。

　　18.多写多练。

　　19.关注前沿。

https://blog.csdn.net/Unauthorized_/article/details/105335256@TOC
欢迎使用Markdown编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。
新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

全新的界面设计 ，将会带来全新的写作体验；
在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
全新的 KaTeX数学公式 语法；
增加了支持甘特图的mermaid语法 功能；
增加了 多屏幕编辑 Markdown文章功能；
增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
增加了 检查列表 功能。

功能快捷键
撤销：Ctrl/Command + Z

重做：Ctrl/Command + Y

加粗：Ctrl/Command + B

斜体：Ctrl/Command + I

标题：Ctrl/Command + Shift + H

无序列表：Ctrl/Command + Shift + U

有序列表：Ctrl/Command + Shift + O

检查列表：Ctrl/Command + Shift + C

插入代码：Ctrl/Command + Shift + K

插入链接：Ctrl/Command + Shift + L

插入图片：Ctrl/Command + Shift + G

查找：Ctrl/Command + F

替换：Ctrl/Command + G
合理的创建标题，有助于目录的生成
直接输入1次#，并按下space后，将生成1级标题。

输入2次#，并按下space后，将生成2级标题。

以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。
如何改变文本的样式
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本

引用文本

H2O is是液体。
210 运算结果是 1024.
插入链接与图片
链接: link.
图片: 
带尺寸的图片: 
居中的图片: 
居中并且带尺寸的图片: 
当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。
如何插入一段漂亮的代码片
去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.
// An highlighted block
var foo = 'bar';

生成一个适合你的列表

项目

项目

项目






项目1
项目2
项目3


 计划任务
 完成任务

创建一个表格
一个简单的表格是这么创建的：




项目
Value




电脑
$1600


手机
$12


导管
$1


设定内容居中、居左、居右
使用:---------:居中

使用:----------居左

使用----------:居右




第一列
第二列
第三列




第一列文本居中
第二列文本居右
第三列文本居左


SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：




TYPE
ASCII
HTML




Single backticks
'Isn't this fun?'
‘Isn’t this fun?’


Quotes
"Isn't this fun?"
“Isn’t this fun?”


Dashes
-- is en-dash, --- is em-dash
– is en-dash, — is em-dash


创建一个自定义列表

Markdown
Text-to-HTML conversion tool
Authors
John
Luke

如何创建一个注脚
一个具有注脚的文本。
注释也是必不可少的
Markdown将文本转换为 HTML。
KaTeX数学公式
您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 $\Gamma(n) = (n-1)!\quad\forall
n\in\mathbb N$ 是通过欧拉积分
$\Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章


关于 甘特图 语法，参考 这儿,

UML 图表
可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:


关于 Mermaid 语法，参考 这儿,

FLowchart流程图
我们依旧会支持flowchart的流程图：


关于 Flowchart流程图 语法，参考 这儿.

导出与导入
导出
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。
导入
如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，

继续你的创作。



mermaid语法说明 ↩︎

注脚的解释 ↩︎