《论文写作》课程总结

最新推荐文章于 2025-04-26 11:07:26 发布

z&p

最新推荐文章于 2025-04-26 11:07:26 发布

阅读量863

点赞数 21

文章标签：人工智能

本文链接：https://blog.csdn.net/weixin_45766996/article/details/143414740

版权

一、前言

本博客是基于闵帆老师的论文写作课程进行的总结归纳。该课程主要面向广大研究生，尤其是缺乏论文写作经验的研究生。闵帆老师在授课过程中细致入微且深入浅出地讲解了怎样高效率得写好一篇优质论文。课程站在学生的角度提出问题，并给出解决方案，小到个别单词的选用取舍，大到论文整体架构等均给出了详细可行的意见和建议。总之，该课程是学生掌握论文写作的良好途径。

二、课程内容整理

1、工作开展

论文本质是对自己研究工作的阶段性总结。并不是必须要有重大科研成果才可以开始撰写，这对于研究生而言并不是现实的，实际上，重大突破也是需要诸多阶段性的小成果铺垫的。完全可以在学习工作过程中同步开展。论文写作某种意义上讲类似于填空题。首先，需要阅读大量的文献，自行感受总结别人是如何把故事讲好的，在这个过程中总结出一套适合自己的模板（可以参考他人总结的模板，本课程中闵帆老师有示例具体可见闵帆老师csdn博客）。然后根据自己日常研究工作设置一个合理的大框架，将具体内容填入合适的位置。这样可以使得工作得到清晰的记录并且迅速完成一个雏形。

2、题目

论文标题最重要的要点可总结为：吸引力、规范性、准确性。

吸引力：一定要重点突出论文的创新点和论文涉及的新颖的方法。尽量突出论文以及论文所涉及研究的创新性和独立性。如此才能起到引发读者兴趣的作用。

规范性：务必简洁明了，且使用正确的语法和拼写保证专业性可信度。此外，标题长度也需要主义，切勿冗长。

准确性：保证标题没有歧义，用词精炼准确。尤其注意尽量避免一些废话、重复词汇、无意义的修饰词。

3、摘要和关键词

摘要是对论文内容的提取概述。需要用简明的语句概括论文的核心研究内容。摘要很大程度决定了读者是否有继续阅读的欲望。对于审稿人来说，摘要也是其是否愿意继续仔细阅读发现论文闪光点还是走马观花匆匆拒绝了事的重要评判标准。

摘要首先需要简单介绍背景和研究工作的具体意义，帮助读者迅速确定论文的研究主题、领域和方向。其次，摘要中可以描述所研究领域现有成果的不足之处（需要注意批评意味不可太重，对他人的工作意义总体上需要认可），然后说明写作者的工作，说明其如何用更新更好的方法解决当前问题。再次，展示实验成果，需要对比前人成果突出写作者成果的优势之处。最后，可以简述该成果对其他领域的启发。

其他小的注意事项：摘要要重点突出论文具体内容，某些常识性的内容不要占用篇幅。注意多用被动句，避免长句。主义时态多为一般现在时。注意缩写的说明。非必要不出现公式和图。

关键词一般是用作对摘要的补充，需要在细节上注意。首先，数量控制在三五个即可。其次，用词精炼，三个以内单词为佳。再次，注意按照字母排序。

4、引言

引言作为对全文的总的表达，一定是审稿人阅读的重点。需要开门见山的标明文章的亮点。其次，要这充分展现文章细节。引言的撰写可以通过对摘要内容扩展细述。行文注意前后联系，上下关联。为辅助内容的描述可以附加图例，帮助读者迅速掌握文章思想和技术路线。尽量少使用他人引言以避免增加降重工作量。

5、文献综述

文献综述需要把握重点：突出他人现存成果和作者工作的关联性。最好的切入点是通过对相关工作进行分类。切忌单纯罗列，分类过程中需要对具体工作和分类有自己的思考，尤其关注其优势、重要性和局限性。撰写过程中尽量避免主观词的使用（very等）。其次，其中涉及的引用不应过多，也需要避免全句引用以及避免将引用作为自己句子的主语和宾语。

6、实验

实验是论文核心支撑。这部分包含数据集、实验过程、实验结果。

数据集：数据集是实验成败的关键所在，很大程度决定可实验结果的说服力。这部分内容需要详细说明数据来源和数据集本身的介绍。合成数据或数据采样是重要的手段。其次，要善用表格和图来展示数据，帮助读者更快的理解数据。

实验过程和实验结果：可以采用自问自答的方式在展示。在详细描述之前提出问题，在实验过程中逐个回答。撰写过程中可以把重点放在展示选用不同参数和方案时性能的优劣。也可以比较已有的经典方案、基准方案、先进方案。适当选用图或者表格。同时附加详细的文字分析描述对实验图表进行总结阐述。最后，需要注意的是我们只需要在某一个或者几个仿麦呢表现得足够好就够了。方案有优点必然有所舍弃的部分。需要对实验不足、不擅长的点进行说明这一点也是符合审稿人习惯的。

如果实验效果不理想有以下几个措施可以尝试解决：

修改方案：考虑类似方案是否能使其性能更好。例如,，将线性分类器换成神经网络，将特征矩阵用 PCA 降维.。有的技术引入之后, 反而使得性能降低, 当然就应该丢掉。

观察算法所适用的数据特点：算法适用范围是有局限性的。可以把适用数据和不适用数据分别讨论。

善用不同评价指标：可能算法会在其他指标上表现更好。

调参：比如神经网络的层数, 每层的节点数据, dropout 比例。

输出中间结果:这个与软件测试中的单元测试类似，最终结果也是从中间结果来的，只有深入了解代码的中间结果, 才有利于观察改进。

提升洞察力：这个没太多好说的，实打实的积累提升内功才能做到。

7、结论

结论控制在5句，切忌过长。如果5句不足以表达清楚。应该在本节之前加入一个单独的讨论。其次避免与摘要重复，结论是比摘要更具体的，可以往细了说、往小了说。例如论文的某个算法、性质、定理、实验结果等这样可以与摘要区别开。此外，可以额外的讨论进一步工作。这可以帮助作者在此论文基础上进一步工作研究。也有助于提升本文的引用。