论文写作课程总结

论文写作课程总结

序言

研究的目的是发现新知识、发明新技术。
写论文的目的是让别人知道自己的工作，经过同行评审，成为科学文献。
论文是“做”出来的而不是“写”出来的。
只要有了好的研究工作，写论文不过就是用文字把你的工作描述出来。

如何做研究

Topic

首先要进入一个具体的分支学科和领域，并获得必要的了解。

• 由导师给topic，然后去阅读该话题的重要文献，了解话题的研究历程、研究现状。
• 自己想topic，可以找人请教或者自己将近几年自己领域里最重要的刊物、会议上的文章拿来读，了解近几年的topic从而启发自己。

确定的topic最好是自己的兴趣同时自己拥有相关的知识结构，最重要的是自己是否可以得到必要的相关资源。

Problem

提出一个好的问题，已经成功了一半。
“问题”其实才是研究的真正开始。

• 由导师给一个问题
• 自己产生问题，导师帮忙判断。
• 读发表在重要刊物和会议上的有关自己topic的文献，通过大量的问题找出还未解决的问题还有哪些

Idea

不要指望导师给你idea！
有了好的idea，问题就解决了一大半。

• 提出自己的idea，去请教导师，让导师帮助你判断、完善。
• 没人帮忙判断idea时，思考自己的idea是否新颖、是否有道理、是否可行、是否有更好的办法

Concrete work

Idea需要得到支持。
CS里面通常是理论分析和实验验证。

• 理论分析需要较好的数学功底
• 实验验证需要较好的设计能力。

以上两种能力如果都不具备，那就去学或者找人合作。

• 理论分析
  • 周全、不要有漏洞。
  • 尽可能简单的工具。
• 实验验证
  • 试验方案周全仔细
  • 基准测试
  • 其他学者也能使用的数据
  • 不可缺少的比较
  • 实验室可重复的

像外行一样思考，像内行一样实践

论文是给被人看的，晦涩难懂的文章注定难以被人承认与传播，要用最简单的话语来讲述最深刻的道理。
如果自己能够用语言让自己的父母都能听懂自己的工作，那么注定自己的论文是成功的。

具体写作

Topic

一个好的题目永远能在第一时间吸引住审稿人的注意。

• 清楚得表达出主要工作。
• 字数忌长（尽可能不要超过20字）
• 有吸引力

Abstract

摘要写的不好但是内容好的情况少之又少。
如果一篇论文在看完abstract和conclusion后还不能判断论文是否有价值的话，基本这篇论文也就悲剧了。

• 首先说明本篇论文所处理的问题的重要性。
• 其次说明在自己的研究之前其他人所做的工作，并说出他们的方法存在的缺陷。
• 然后提出自己的方法，并阐述清楚自己的idea。
• 最后表示自己的idea相较于其他方法所存在的优势。
• 

第一句：背景介绍，说明我们做的是什么方向，能解决什么问题。

• Multi-label learning deals with training examples each represented by a single instance while associated with multiple class
  labels, and the task is to train a predictive model which can assign a set of proper labels for the unseen instance

第二句：陈列出目前该方向已经有的工作（一两个即可），陈述完后用However转折接第三句（不可用But）

• Existing approaches employ the common assumption of equal labeling-importance, i.e., all associated labels are regarded to be relevant to the training instance while their relative importance in characterizing its semantics are not differentiated

第三句：总结出上面已有的工作存在的缺陷

• However, this common assumption does not reflect the fact that the importance degree of each relevant label is generally different, though the importance information is not directly accessible from the training examples

第四句：提出自己的工作。

• In this article, we show that it is beneficial to leverage the implicit relative labeling-importance (RLI) information to help induce multi-label predictive model with strong generalization performance

第五、六、七句：分步骤陈述自己的工作（首先、其次、最后）

• Specifically, RLI degrees are formalized as multinomial distribution over the label space, which can be estimated by either global label propagation procedure or local k-nearest neighbor reconstruction. Correspondingly, the multi-label predictive model is induced by fitting modeling outputs with estimated RLI degrees along with multi-label empirical loss regularization.

第八句：陈述自己的工作效果（如提升了某某指标）

• Extensive experiments clearly validate that leveraging implicit RLI information serves as a favorable strategy to achieve effective multi-label learning.

Introduction

审稿人不一定是专家，他可能⼀直忙于其他事，在deadline到来之前⼀天要完成n篇的审稿。
审稿时审稿人往往先看题目、摘要，扫⼀下introduction（知道你做什么），然后直接翻到最后找核⼼实验结果（做得好不好），然后基本确定录还是不录（也许只⽤5分钟！）。

Expriments

在这个部分，我们列出了几个问题（后面的内容要回答这些问题）

• 自己的方法比别人的方法好吗？
• 参数设置是否适合不同的数据集
• 运行时间是否与之前的复杂度分析一致

然后用一段话描述本文用到的数据库，同时要用列表的形式展示这些数据库。

4.1 性能比较

这里采用文字加表格（图）的方式来进行比较。
一定要采用多维度的比较。

注：但凡涉及到矩阵运算时，都是运行10次，取平均值 $\pm$ 标准差。

4.2 参数设置

一个实验中会有多个参数，这里挑最重要的两三个参数来进行描述。
每个数据集上的参数取多少要用图来证明。

4.3 图

由于本文的时间复杂度与用户个数（事件个数）呈线性关系，所以…
这里需要画图来展示线性关系。

4.4 讨论

这里要回答开头问的那几个问题，有几个问题就用几句话来回答。

代码部分

因为论文中涉及到多个数据库、多个评价指标，所以我们在进行实验时，最好取这些数据库\评价指标里会用到的公共变量，每个数据库\评价指标在进行实验时分别初始化。
每个数据库、每个评价指标都要进行一次实验，所以采用for+switch的形式。用for来控制实验次数，在switch里控制每次实验的数据库参数，也就是将前面的公共变量进行初始化。
在初始化时，最好给每次不同的实验设置独特的标识名（也是公共变量），这样在保存一些相应的文件时，在代码中就可以直接加上标识名变量，方便分开存储，以免出现存储名相同发生覆盖数据的情况。