英文学术论文写作指南

在大家面前班门弄斧讲学术论文写作指南是非常惭愧的，我只能对于静老师讲的东西大概描述一下，可能我的观点会有很多说错的地方，请大家指正。

在聊论文写作之前，我们先用第一性思维来思考一下论文的本质是什么，其实论文的本质就是描述学术研究成果的文章，想要写好论文，也就是说想要描述好学术研究成果，我们就要了解学术研究过程的一个底层逻辑

首先我们通过比如说跟导师、跟学长、自己发现的方式找到一个研究领域，并对这个领域是否值得研究做一个判断。如果这个领域值得研究，我们就要在这个领域中找到一个合适的切入点。比如说基于卡尔曼、基于小波变换、基于神经网络。

然后，我们需要阅读大量的相关文献，将领域定位到更小的研究问题。这个问题决定了我们文章的质量，如果你基于的方法怎么改都提不了大的效果，那就注定了我们只能投比较低水平的期刊或者会议。

我们通过阅读文献受到启发以后可能会产生一些idea，我们通过Method对idea及相关的知识进行描述

最后，我们通过上一步找到了一个合理的方法之后，我们要通过实验来判断我们方法足够新、足够好，足够稳定可靠的实现我们的问题，最后还要不断总结，复盘，甚至改进我们现有method

我们通过对科研过程的每个环节进行分析以后，我们发现其实论文写作要写的东西正好覆盖了我们研究的过程中核心的要点。

接下来，我们就沿着这个脉络一步一步的，递进地来聊我们的一个写作过程。

那我们来看，一篇论文其实包含这么多完整的环节，每一个部分其实都他一定要去证明，或者说强调的主题。我们在写作中其实经常会遇到一个问题，就是说车轱辘话，颠三倒四，翻来覆去的其实就讲了一个东西。其实，每一部分都有他要强调的内容，侧重，或者这个part对这方面的描述要写到什么力度其实都有所不同。 接下来我们就从标题开始一个一个讲我们要咋写。

首先是标题，标题我们往往是比较忽略的点，我第一次写论文的时候，就是随便起了一个概括我论文内容的几个字。但是标题其实是比较难，而且审稿人对我们文章是否具有创新性、和我们解决的问题是不是核心问题的第一印象的一个部分。而且标题是提纲挈领的，如果不能好好斟酌一个好的标题，其实就是对我们到底解决了什么问题，核心创新性到底是什么没有明确边界界定和认识的。文章没有对标题呈现的核心内容进行不断的强化或者证明，文章就可能会比较散。

好，那我们就先来说标题的基本要求，首先英语形式要规范，不能出现语法错误；语言精简，最好在15个词以内。范围不能太大，你不能写比如说写一篇《脑电信号去噪方法的比较研究》，去噪方法太多了小波的、深度学习的，这些不同的方法之间可能有较大的差异和优缺点，难以在一篇论文中进行全面和深入的讨论和比较。所有我看的比较多的是基于什么什么任务的什么什么方法

讲完了标题的基本要求，我们来讲一下好的标题怎么写。好的标题一定是满足论文的基本要求的

然后需要做到以下几点：

1.第一，他一定要反应解决的核心问题：什么是核心问题？就是我要做一个什么样的任务还是我想解决不同任务之间共性的问题

2.第二，就是我们的技术上的创新是什么，就是我们来解决这个问题，我们最大的技术贡献

3.第三个，易于传播

4.题目不需要太多细节，只需要找创新性的方面

接下来我们来看几个论文标题的例子，

我们从第一个看起From shallow to deeper：compositional reasoning overgraphs for visual question answering。他前面这个From shallow to deeper，他其实是想表达他的技术是由图像的第一层语义信息推及到更深层次的信息来进行知识问答的一个任务。但是他用From shallow to deeper浅层到深层，一是没说明白什么东西浅层，和用浅层的什么东西来解决这个问题，这就是太宽泛

第二篇，前面的GraohNeural NetWorrks是他的方法，Image-TextMatching是他的问题和任务。他看起来是没有什么问题的，它满足我们前面提到的标题应该怎么做。如果这篇文章出现在16、17年，这个题目其实是好标题。但是图神经网络和图文匹配发展了这么多年，再用这个GraphNeural NetWorks作为标题就缺乏创新点。我们其标题时，要对标题创新的技术做比较精准的刻画。

第三篇的问题其实是一个比较普遍的问题，我们总是想把我们论文里面很技术的方法写进论文标题里，比如说这个，我们提出了一个即插即拔的新的树的这种损失函数用来场景图的这个去偏，而且用的是这种更新的transform框架。有人能看出这篇论文真正核心的创新点在哪里吗？是树型损失函数、还是更新后的transform框架、还是即插即用、还是无偏场景生成。太多细节其实会干扰你真正的核心，让人看不出重点，我们在标题这个部分不要面面俱到。只需要把我们重点的创新凝练出来就好了。

看完这些相对有点问题的标题之后，我们来看一下好点的标题。

第一个其实就是符合我们前一页ppt的起标题逻辑的，他首先取了一个易于传播的代号EEGdenoiseNet，他解决的是问题是EEG去噪领域，创新点是：提出了一个深度学习解决方案的基准数据集

第二篇论文，也就是我们分层卡尔曼滤波，他的解决的问题是ECGdenoising任务，创新点是用了在线学习先验的分层卡尔曼滤波

第三篇论文解决的是个性化图像美学的问题，创新性就是具有丰富的美学属性

洋洋洒洒这么讲了这么多其实总结起来就是一句话，标题写作的核心要点就是在15词以内准确的表达你用什么新技术新方法方法解决了领域的什么问题。

接下来，我们来探讨摘要这个部分

摘要其实是标题的扩充，是后续引言的概括，引言和摘要是相辅相成，要一直迭代更新的。他需要重点涵盖这几个部分，就是你研究的动机是什么，你工作的亮点是什么，以及你工作解决的问题达到什么样的效果。

大概篇幅200词左右，不能写得太长，所谓摘要摘要，只要把要点说清楚就好逻辑清晰一点，不需要太细节

这是李雷达CVPR2022的个性化图像美学的文章，我们之前图像组有做过汇报，我今天大概就以这篇文章为例子，来探讨我们的论文写作。

我用不同颜色标明了，我们写不同论文里面基本要涵盖的几个思路。

标黄的这个部分其实在介绍个性化图像美学任务存在的挑战，也就是一千个人眼里有一千个哈姆雷特人类审美主观性的一个问题，怎么样做好个性化的研究其实就是这个问题的挑战

标蓝的这个部分，是因为整个个性化美学任务有这个挑战，在解决这个对应挑战有什么方法，我们不需要在这里罗列现有方法，我们需要点出来现有方法大概的一个思路，以及，基于这样的一个思路，现有方法有什么解决不了的问题。对于我们这篇文章，这个标蓝的部分也就说明了现有的个性化图像美学在注释多样性上存在局限性，也就是注释量太少，特征不多的一个问题。其实个性化美学任务并不只存在注释量少的这个问题，但是为什么要在这里提注释多样性的问题呢。这是因为要引出我们自己本文的方法，也就是提出了具有丰富属性(也就是标题Withrich atribute）的这个创新点

在这里我们应该可以感受到，论文的每一句话都不是凭空生出来的，而是有一种层层递进的逻辑关系，前面几句话，是为了引出后面的观点的这个东西。

这里的本文思路，其实也能够快速的让读这篇文章的人，快速的知道，你方法的框架或者你解决问题的技术是基于这个思路的。

要做的任务所存在的挑战

现有方法的大概思路，以及现有方法的问题。我们的方法是为了解决现存方法（现象）的问题

本文方法的思路是为了解决这个问题（一句话概括我们基于..提出了什么方法）【因果推断】

非具体的细节，而是大概有哪几个过程，这个过程是我们核心的技术创新点。并且需要用明了的环环相扣的叙述。让审稿人知道这个方法是怎么解决问题

我们把方法亮点介绍完之后，我们就要对方法亮点的效果进行叙述，能写出论文肯定是这个方法有效果提升，所有这个问题更重要的是这个方法对该领域的推进或者对本质问题有新的启发（泛化能力）具体来说就是5-1.模型是不是有泛化的一个效果，用在不同数据集上效果能不能保持5-2.模型是不是提供了一种可解释的方法打破黑盒，解释机理

我们来对摘要部分进行一个总结，无论什么样的论文我们都可以采用挑战、问题、思路、亮点、优势这几个部分来讲我们的abstract，因为用这个思路我们能形成为什么要、怎么做、这样做好在哪的逻辑关系。能够把我们核心的亮点、逻辑讲清楚。

我们前面又说到abstract是标题的扩充，是后续引言的概括。所以我们可以写完这两个部分之后再写。这个部分我们会一直改一直改直到投稿之前。

那么，下一部分到了我们的引言

于婧老师认为引言是最难写的一个部分难写是因为：审稿人再看你具体的方法或者实验之前，他更关键的其实是你的思路、动机是否成立，你做这个事情是不是有价值的，你想解决的这个问题是不是真问题。如果人这部分不成立，或者比较弱的话。其实我们的方法、实验就不重要，因为你找的这个问题就不重要

我们接下来就来探讨我们要怎么样才能把我们的这一个问题讲清楚、讲出重要性，才能让别人真正接受你的方法是重要的。

好，那么我们来看，还是再次提到刚才说的那一句话abstract是标题的扩充，是后续引言的概括。我们要想文章具有逻辑关系，我们再写引言的时候就要对应摘要写了什么，对其进行一个扩充和描述。对摘要的基本要求，也就是对引言的基本要求。首先，是研究背景与挑战。然后，提出核心问题是什么与原因 。接下来就是，相关工作的不足，对应这个不足你的解决思路是什么。最后尤其是你要讲清楚这个论文方法技术上存在什么贡献。

那么下面我们还是回到这篇李雷达的CVPR2022来看一下，具体的讲一讲。

为了和我们之前讲的题目啊、摘要啊形成呼应，我这里左边是abstract，右边是引言的这个部分

我用同一种颜色标出来abstract和introduction部分表达意思相同的内容。我们可以借此来看引言的每一部分我们应该怎么去写。

好，我们先来看第一部分，我们这篇文章的主题是在解决图像美学的问题，第一部分我们就要说清楚图像美学评价，或者说个性化美学评价存在的问题是什么。原文是这样写的个性化图像美学由不同受试者注释，对其取一个平均意见，却忽略了审美的主观性。这是挑战，也是我们任务的背景

背景这个部分由两个部分展开，一是这个领域现在重不重要，就是你为什么研究个性化图像美学是个重要的事情。第二个部分，是既然这个任务这么重要，现在这个任务核心的问题是什么。用我们这篇文章来讲，核心问题就是充分考虑到不同人的不同审美，从图像标注的两个主体来看，也就是图像注释特征、和评注的人的特征。

下一步，我们来介绍针对这样的核心问题，我们现有的方法是怎么做的。这里面一定要包含两部分。第一件事：分类归纳介绍现有方法并介绍核心思想，不是笼统的说A做了什么事、B做了审美事（不要以时间归纳！）而是按技术脉络（即统一的技术框架，最好是有代表性的）来写。我们回到这篇文章来看,他先提到最开始的技术路线是对GIAA也就是通用美学评价数据集进行改进的，后来通过深度学习的技术路线捕获审美偏移，比如元学习、多模式协作等等；第二个部分，这些已有方法对解决前面的任务挑战存在的局限性（我们说这个部分的时候，必须看过这篇文章，描述它的角度要和我们的方法相一致|客观性，），我们例子这篇文章就提到，这些现有的任务存在的问题是缺乏注释的多样性，然后引入我们自己方法。说完了局限性，就嘎嘎提出我们针对这些局限性的解决办法，你看又是一个内在逻辑。我们段落内有逻辑、段落与段落之间又存在逻辑、模块之间也存在逻辑，你能说这不是一篇好文章吗？然后最后这一块，对我们的贡献进行一个凝练提出的新问题？ 是不是提出解决的新视角？ 实现的新框架？ 实现的新方法？ 达到的新SOTA？具备的新能力？

【大背景】要做的任务所存在的挑战：这个领域重不重要？可以尝试从以下几点展开：应用场景、参考文献、举例子【现有方法的问题:分类归纳】现有方法的大概思路，以及现有方法的问题。我们的方法是为了解决现存方法（现象）的问题包含两部分：2-1、分类归纳介绍现有方法并介绍核心思想（不要以时间归纳！）按技术脉络（即统一的技术框架，最好是有代表性的）2-2、这些已有方法对解决前面的任务挑战存在的局限性（必须看过文章，描述它的角度要和我们的方法相一致）【方法的介绍:呼应挑战和问题】本文方法的思路是为了解决这个问题（一句话概括我们基于..提出了什么方法）【因果推断】【贡献：凝练方法的普适性】并不是说我们的方法，而是说我们的思想、框架、新技术手段对这类任务有启发提出的新问题？解决的新视角实现的新框架、新方法达到的SOTA？（并不是最重要的，而是这个提升是不是真的是因为我们提出来的方法解决的）也是我们后面要解释的。你通过哪些哪些对比试验，使模型具备了新的能力。通过改进实验，反推introduction逻辑是不是呼应，最后再一次优化abstract

我们前面介绍完摘要和引言，在摘要引言里面都要有写道相关工作，那么我们怎么怎么和前面写的东西不再车轱辘话，有所区别呢。解决方案就是有所侧重，突出重点。那么相关工作的这个部分我们要重点写什么东西呢？

我们先来看一下相关工作基本要涵盖什么东西

我们必须知道我们自己的文章想要做的工作或者我们用的这个方法到底包含了哪几个主题。这几个主题其实分几个维度 1.我们做的任务是什么：我们做的是脑电去噪，那么基于卡尔曼的去噪方法又有哪些（比如说有无迹的？扩展的等等等）这些都是与我们主题密切相关的，甚至和后续实验部分的对比算法都有关系 2.我们的方法是什么，我们基于的是分层先验的卡尔曼滤波，那么在分层的卡尔曼滤波中有没有相关的工作，就可以在这里描述这一方法有什么相关的扩展研究

相关工作不要把所有的东西都罗列出来，比如说我们做传统方法的去噪就不要不厌其烦的把基于深度学习的也拉出罗列，我们要做的是逻辑，也就是呼应论文的核心问题和创新

我们具体怎么写相关工作的这一部分呢?其中,最主要的就是,我们要把相关工作划分不同维度去介绍.然后再用技术路线+存在问题的方法写出来.写完之后,你最好在最后总结一下这一类问题存在哪一些问题

讲有点乱啊,我们从例子来理解一下吧

这个例子就是从个性化美学评价数据集和模型两个维度来介绍相关工作，最后我们落脚到。。。。

相关工作这个部分的写作前提是，对我们自己的方法要有清楚的了解，大概涉及到了哪些相关技术、相关任务。有助于我们梳理relatedwork

接下来就是我们的方法部分，这一部分总的原则是让读者精准的理解，用最精准的语言用标准的、数学的表达让同行能理解你的模型，

我们在这一部分可以先画一个框架图，基于框架图的逻辑，和过程的边界，搞清楚模型每一步在做什么，解决了整个问题的哪个部分之后再动笔。这样可以使逻辑清晰，逻辑自洽，然后防止反工。

一篇好文章的方法，一定是针对问题，每一步都能够讲清楚这一步解决了这个问题的某一个环节。

而且他的图和表一定是相互呼应印证，一张图其实会占版面的较大篇幅，但是一图胜千言，明天张铃就会给我们讲解一些框架图方面的绘制。我们的图，一定是辅助审稿人、或者读者来理解你的文字的。而我们的文字更详细、更有说服力的来把我们的方法讲述清楚。

实在不行就一步一步的做技术报告Step1-Step2的描述

第一步确立逻辑，也就是论文3.13.2这样的小标题。要清楚我们的方法分为哪几个明确的模块，他们之间的关系是什么。篇幅要详略得当，重点叙述创新点的那个部分

标题，图要对应，这样看图的时候可以定位到小标题的公式

标题部分首先介绍背后的动机和目标

接下来我们来讲实验的部分。

整个是实验其实包含这几个部分，包括实验的设置，比如说在哪些数据集上用了什么指标，我们的算法或者说实现细节是怎么样的。这些基本的介绍；

然后就是你做了什么实验，比如说消融实验、人工评价等等，如果有很难用定量的方法评估，要寻找有没有定量的方法进行研究。

然后要对实验进行一个详细分析，要对比模型整体、或者某一部分的效果。

要通过大量的实验证明有效是因为我们创新的改进而有效的，这一部分可做泛化能力的分析。与此同时，于老师说到cvpr很注重局限性的分析，因为如果一个工作不能准确的描述他能力的边界，会很难说这个方法到底解决了什么样的问题。局限性也是引导后面的工作往前推进的建议。

基本要求是：实验的介绍一定要支撑方法的介绍或者introduction里面动机的介绍

实验结果也要详略得当，必要的实验结果要详细介绍

其次是要找普适的例子，而不是只找效果最好的。

最重要的是对实验结果合理的分析，也是我们相对来说比较欠缺的

我们的实验部分的写作可以以结论先行的方式，先说我的实验发现了一个什么样的结论，然后说我们是基于什么什么实验得出来的。例子是我随便抽了一段实验，我们来看，这篇文章怎么解释注释分布的实验的。他是说结论从图4 可以看出，每个属性的分布是相似的。然而，它们之间仍然略有不同，这表明美学属性相互关联，但仍提供独特的有价值信息。然后他就对实验的数据进行一个罗列，从而证明们的结论是正确的，并且是有普适性的

最后我们来看一下最后一个部分，结论。结论和摘要的区别是，结论要对所有的方法实验和分析结束后，主要发现的总结。这里的基本要求是：避免过度夸大，内容尽量简洁 ，可以介绍一下未来的工作。

我们来看下例子，前半部分他说：在本文中，我们提出了一个名为“PARA”的新 PIAA数据库。 PARA 数据库包含大量的注释属性。

然后他说根据统计结果表明，个性化的审美偏好可以通过以人为本的主观属性来反映。为了从计算的角度进一步证明主题属性的价值，我们提出了一种利用主题信息作为条件先验的条件PIAA 建模方法。实验结果表明，加入主观信息可以更好地模拟个人审美偏好。

其实就是总结前面我们的实验和方法的部分，然后对未来工作进行一个展望这可能为下一代 PIAA带来新的研究机会。

其实写Contrubtion就是两个主题：一是总结工作，展现效果；其次就是说明局限和指明发方案。