SCI论文重复率与降重

SCI论文重复率与降重

觉得有用的话,欢迎一起讨论相互学习~

我的微博我的github我的B站

  • 首先声明,个人自己经验和网上资料总结,部分文字和观点来自于网上,本人非营销号也没打广告,侵权删除,谢谢!
  • 审核的大凶弟再说我打广告我生气了! 我有收到广告费吗?
  • 本人计算机专业,如果部分期刊不符合本文描述,本人概不负责

参考资料
[1] http://www.360doc.com/content/19/0721/17/64176818_850168854.shtml
[2] https://www.zhihu.com/question/315268767/answer/852043757
[3] https://zhuanlan.zhihu.com/p/47082380
[4] https://www.zhihu.com/question/315268767/answer/618633647

查重平台

  • 比较准!(其实很准的,SCI期刊投稿检测也有用下面两个平台的)
  • turnitin
  • crosscheck
  • 顺便一提如果是中文可以用 paperpass,但是SCI是英文,应付毕业可以用paperpass,但是还是 知网最准!

重复率等级

低重复率(小于10%)

  • 这类论文中所检出的相似率一般都是 一些来源相对分散的匹配文本或常见短语 。单个匹配来源同时很低,仅仅占1%-3%的相似率。如果你的文章重复率在10%,审稿人绝对 不会因为重复率问题 予以拒稿。个人认为作为理工科论文,特别是应用类型的话,这个还是比较难以做到的。

中等重复率(10%-50%之间)

  • 这个范围区间是 大部分研究者的论文所在的区间,属于适中的百分比 ,此时就需要具体情况具体分析了。这类论文可能是由于多处1%-3%的来源组成,或者单个来源比较高。
  • 作者需要对文章进行简单的检查判断:如果有单处来源的重复率高于5%,那么就请注意了,需要对这些部分进行改写并且深度润色。
  • 其实不仅仅是单篇高于10% ,如果重复的地方多了,积少成多也会有20%左右,特别是科技类论文。
  • 例如:我的一篇论文单篇重率不大于2%,但是各个小的句子累积起来有76处之多 很大程度因为我做的研究和别人的论述相同,特别是深度学习中的术语和公式!

  • 但是最终这篇文章还是被某二区期刊接收了,其实还是要根据情况来的,我每一篇文章都没有超过1%
  • 举个反例 如果有文章超过了5%,积少成多就会有20%-30%之间了,这样就很容易在投稿时就被编辑打回来重新修改~或者档次比较高的直接拒稿也是有可能的。例如:下面这篇文章有一篇文章的重复量过高,最终导致文章整体重复率也很高。这篇文章就被拒绝过!! 但是 修改过后 还是接受了!

高重复率(高于50%)

  • 凉了,该干嘛干嘛吧~ 这说明你完全没有下功夫,直接是抄的~ 自我反省一下!

安全保险的重复率

  • 个人认为 20% 以下算及格,但是会被人工复核检查,15%以下最好 这也符合最近目前我发表文章的期刊要求。
  • [1]和[4]认为重率在5%和0%以内这是不太现实的
  • [2]和[3]的说法比较中肯
    • [2]中认为"总重复率低于20%、单篇重复率低于4%(注意以上两个条件需要同时符合),是比较合格的,基本不会被编辑因重复率问题拒稿。"
    • [3]中认为"总重复率在15%以下且单篇不超过1%会比较安全,基本不会算做重复;但如果总重复率超过20%,这样的论文基本会判定为重复严重而拒稿。著名学术出版社Springer也表示如果重复率超过20%,这篇论文会被仔细的检查内容以确认是否确实重复太多。"[3]中举出的例子表明如果20%会被编辑建议重新修改再投(我比较认可这个观点),如果重率过高也会直接被拒绝! [2]和[3]也间接证实了我的想法。

重复原因

  1. Copy文献导致的重复,在Introduction中较多 这种重复会导致十分高的重率,特别是单篇文章的重率!
  2. Method部分 去粗取精、去伪存真,保证材料的真实性。 想要降重的话只能对引用的材料进行整合,最终能够简练准确地支持论文的观点即可。对不能支持文章的内容,要大刀阔斧的进行删除,否则就会造成论文的冗长。[1]
  3. 公式重复 改变公式的形态,变量名称,尽量不要一样,[1]中提出的转换为图片,我不是很认可~(有SCI期刊接收图片类型的公式吗?)

降重方法

  1. 词组替换: 近义词替换、名词和动词互换等。
  2. 句式变换 长句改短句,短句扩展成长句,或者利用从句,同位语等等
  3. 语义重述 根据段落意思重新构思行文
  • 9
    点赞
  • 34
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
作为AI语言模型,我无法直接为您复现SCI论文,但我可以提供以下有关电力负荷预测的SCI论文及其实现的参考: 1. Li, X., Yang, L., & Zhang, Q. (2017). Short-term load forecasting using extreme learning machine and a hybrid approach. Electric Power Systems Research, 142, 11-20. 该论文采用极限学习机和混合方法进行短期负载预测。极限学习机是一种基于单个隐含层前向反馈神经网络的快速学习算法。混合方法结合了时序分解和回归方法,通过分析负载数据的季节性和趋势性变化来预测负载。 2. Wang, J., Wang, Q., Lu, X., Huang, Z., & Wu, Y. (2016). A new short-term load forecasting method based on extreme learning machine and multi-objective optimization algorithm. Energy, 114, 1141-1149. 该论文提出了一种基于极限学习机和多目标优化算法的新型短期负载预测方法。该方法使用多目标优化算法对模型进行调优,并采用交叉验证和残差分析来验证模型的预测性能。 3. Chen, J., Hong, T., & Pinson, P. (2018). Probabilistic load forecasting using deep learning feed-forward neural networks. IEEE Transactions on Smart Grid, 9(2), 770-779. 该论文采用深度学习前馈神经网络技术进行随机负载预测。该方法将负载数据看作是随机变量,通过训练神经网络来学习每个随机变量的概分布,从而实现概负载预测。 4. Akter, M., & Mahmud, M. A. (2019). Electrical load forecasting using artificial neural network and particle swarm optimization: A comparative study. Alexandria Engineering Journal, 58(3), 997-1006. 该论文对比了采用人工神经网络和粒子群优化的电力负载预测方法。研究表明,采用粒子群优化的方法可以提高预测精度,并降低误差。 以上是一些常见的电力负荷预测SCI论文及其方法介绍,您可以结合自己的研究方向和需求进行选择和参考。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 13
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值