論文寫作注意細(xì)節(jié)總結(jié)
極市導(dǎo)讀
?在本文中，筆者吐血整理大量的論文寫作小細(xì)節(jié)。從格式到內(nèi)容上幫你提升論文的清晰度和易讀性，可以顯著緩解論文寫完后導(dǎo)師不愛看，評審看不懂等癥狀。?>>加入極市CV技術(shù)交流群，走在計算機視覺的最前沿
前言
不知諸位在科研的起步階段，是否曾有過如下的感受：
總感覺自己寫的論文就是和自己讀過的論文長得不太一樣，也不知道為啥。 投稿的時候，審稿人也總是 get 不到論文的核心，只揪著論文的次要細(xì)節(jié)不放。
本文適合對LaTeX基本語法有所了解的同學(xué)食用。
符號篇
數(shù)學(xué)公式中的字母
標(biāo)量符號用小寫拉丁字母表示。為避免混淆字母 l 和數(shù)字 1 ，字母 l 可用 \ell 替代。 有結(jié)構(gòu)的值，如句子、樹、圖等，用 \boldsymbol（e.g.?）。 向量值小寫加粗。拉丁字母用\mathbf（e.g. ），希臘字母用\boldsymbol（e.g.?）。 矩陣大寫加粗。拉丁字母用\mathbf（e.g. ），希臘字母用\boldsymbol（e.g.?）。 \boldsymbol{x} 組成的集合用\mathcal{X}（），a 組成的集合用 A（a??A）。 數(shù)域用\mathbb{R}（），\mathbb{Z}（）。
標(biāo)點符號
數(shù)學(xué)公式中的省略號用\ldots，例如：
LaTeX中英文引號的打法是：?``''
盡量避免用引號標(biāo)記較長的文本，比如 case study 中的例子。因為引號的理解是上下文相關(guān)文法，引用文本過長不易把握引號的邊界。Case study 中的例子可以用 \textit{} 標(biāo)記。
網(wǎng)絡(luò)鏈接用 \url{} 標(biāo)記。
公式篇
使用 align 表示一組公式，一般情況下以等號對齊會更好看。對齊方式：每個公式的等號處加 &。 （建議，有爭議）只對refer的公式加編號，align中，可以用\nonumber去掉編號。 公式中的 softmax，proj，enc 等，超過一個字母的變量或符號，要用正文字體，即寫成 \textrm{softmax} 或 \textit{FFN}。很多函數(shù)有現(xiàn)成的符號，例如：\arg，\max，\sin，\tanh。 公式中的括號，要用\left，\right 進(jìn)行標(biāo)記。如 \left(\right)，\left{ \right}。<>、|| 這種括號也是一樣的。括號中的分割可以搭配\middle。
錯誤的例子：softmax 中間的迷之空格，pro和j之間的迷之空格。
部分正確的例子：還沒有加粗，公式5的乘號也還沒有改，只是展示一下align，以及\textrm的影響。
概率相關(guān)的例子：
表格篇
表格的大小、換行
用 \centering?居中。 用 p{2cm}?固定列寬。 用\small，\scriptsize，\footnotesize，\tiny?調(diào)整字號。 用\setlength{\tabcolsep}{8pt}?調(diào)整列間距。 用\multirow，\multicolumn?合并單元格。 用\toprule，\bottomrule, \midrule, \cmidrule畫出好看的分隔線。
示例：
表格對齊
展示數(shù)據(jù)的列，如果數(shù)據(jù)不等長，請右對齊。（下圖左邊是錯誤地做左對齊的示例，右邊為正確的） 
表格中的加粗請使用 \textbf{}，而非\bf。上圖右邊中，14.10的加粗就錯誤地使用了\bf，導(dǎo)致對齊出現(xiàn)問題（這一問題僅在某些模板中存在），而17.24的加粗就使用了\textbf{}。
詞匯篇
避免過于絕對和模糊的表達(dá)：
以下詞匯除了極特殊情況外，不要出現(xiàn)（→后是可供替代的詞）：
obvious (→ straightforward) always (→ generally) never (→ rare) avoid (→ alleviate) meaning, semantic, better, simple, easy, trivial ...
單復(fù)數(shù)
phenomenons ?→ ?phenomena 不可數(shù)名詞：evidence 等。
專有名詞的大小寫
核心原則：符合習(xí)慣，與提出者盡量一致，第一次提時全稱在前。常用詞一般不大寫，除非語義和詞本意不同（比較少見，同時也盡量避免）。
CNN，LSTM graph attention network (GAT)，pre-trained language model (PLM) FEVER，ConceptNet，SQuAD，BiDAF，F(xiàn)EVER score，Wikipedia
句子篇
表述盡量具體，避免貼標(biāo)簽
核心在于，要講清楚提出的方法到底改善了哪里，是什么導(dǎo)致的這個結(jié)果。而不要總是說提出的方法提升了分?jǐn)?shù)，提升了某部分分?jǐn)?shù)，相對什么提升了分?jǐn)?shù)。這種貼標(biāo)簽的話，可以有，但一定不能通篇都是。
示例1：
貼標(biāo)簽：a simple yet effective approach to solve this problem, which improves performance and robustness. 具體：a simple yet effective approach to help XXX to learn/recognize XXX
示例2：
貼標(biāo)簽：experiments show that our model achieves state-of-the-art performance. 不太具體（用于摘要）：experiments show that our model can XXX, and outperform exisiting methods in literature. 具體（用于總結(jié)）：experiments show that our model can make better and full use of XXX, especially those XXX ones, thus achieving state-of-the-art performance.
一句話盡量只說一件事
分割前：全都混在一起，讀起來總有一種：“我是誰？我在哪？我在干什么？”的迷惑。
To connect XXX using relations XXX, we train a classifier on XXX, where the sizes of training/validation/test instances are A/B/C, and we finally obtain a accuracy of XXX on the test set.
分割后：做了什么，怎么做的，過程細(xì)節(jié)，結(jié)果效果。四句分開說。
We predict the relations between XXX, linking XXX. Specifically, we train a classifier using XXX. The sizes of training/validation/test instances are A/B/C, respectively. The results show that our method obtains the accuarcy of XXX on the test set.
注意句子間的邏輯
主要需要明確，每句話想表達(dá)什么。表達(dá)的這個內(nèi)容的前序鋪墊都清楚了么？結(jié)論和條件之間是否有直接因果關(guān)系？或者比較間接但也鋪墊充分了？尤其包含對于thus，therefore等因果指示詞的句子，需要更加注意。
以及，段落開頭的句子是否可以概括段落的核心思想？段落中每句話是否都和這個思想相關(guān)？有沒有跑題？
其實，在處理段與段及章節(jié)之間的邏輯時，也都是類似的思路。
他山之石
以下是筆者多年珍藏的各路大佬給出的寫作建議，這次也一并分享出來，以供大家參考。
1. 機器翻譯學(xué)術(shù)論文寫作方法和技巧：清華大學(xué)劉洋老師在CWMT-2014上做的經(jīng)典報告，以機器翻譯的視角，從選題開始，給大家講解了論文寫作的方法和技巧。
http://nlp.csai.tsinghua.edu.cn/~ly/talks/cwmt14_tut.pdf
2. 如何端到端地寫科研論文?：復(fù)旦大學(xué)的邱錫鵬老師在CCL-2018的student workshop上做的報告。
https://xpqiu.github.io/slides/20181019-PaperWriting.pdf
3. 論文寫作的易讀性原則：劉一佳同學(xué)， 阿里巴巴達(dá)摩院的阿里星大神，在NLPCC-2018上做的報告。
http://yjliu.net/cv/res/2018-08-19-nlpcc-sws.compressed.pdf
4. 哥倫比亞大學(xué)的Henning Schulzrinne老師的一些學(xué)術(shù)隨筆，其中也有一個論文寫作的collection。
http://www.cs.columbia.edu/~hgs/etc/writing.html
5. 哈佛大學(xué)的Whitesides老師從寫提綱的角度切入講解如何撰寫學(xué)術(shù)論文。
https://onlinelibrary.wiley.com/doi/pdf/10.1002/adma.200400767
6. 如何讓摘要吸引人？Nature論文摘要模板值得收藏。
https://zhuanlan.zhihu.com/p/158574876
7. 支付寶研究員王益的建議：“學(xué)好語文，才能寫好代碼”（很多觀點對寫論文同樣適用）
https://zhuanlan.zhihu.com/p/157243326
不管是本文談到的細(xì)節(jié)，還是上面大佬們給出的寫作建議，都只是一種風(fēng)格而已，可以參考，但沒有必要死守。各家有各家之言。論文寫作的首要目的是支撐、凸顯核心論點，而在這一前提下，保持一致最為重要。
萌新可以考慮以本文，或上面提到的某位大佬的材料中的寫作風(fēng)格為起點，在和導(dǎo)師、師兄/師姐的磨合中，逐漸形成自己的寫作風(fēng)格。而熟手也可以參考本文，吸收部分建議，融入到自己的風(fēng)格中，作進(jìn)一步完善。
寫作最重要的還是經(jīng)驗。多寫、多練、多總結(jié)、多思考、多聽取導(dǎo)師的建議，相信你的寫作水平會突飛猛進(jìn)。讓你的導(dǎo)師不再看你文章時心急得抓耳撓腮；讓評審不會迷失在糟糕的寫作中，能夠一眼看出你的貢獻(xiàn)點，打出 strong accept！
如果覺得有用，就請分享到朋友圈吧！
公眾號后臺回復(fù)“transformer”獲取最新Transformer綜述論文下載～
#?CV技術(shù)社群邀請函?#
備注：姓名-學(xué)校/公司-研究方向-城市（如：小極-北大-目標(biāo)檢測-深圳）
即可申請加入極市目標(biāo)檢測/圖像分割/工業(yè)檢測/人臉/醫(yī)學(xué)影像/3D/SLAM/自動駕駛/超分辨率/姿態(tài)估計/ReID/GAN/圖像增強/OCR/視頻理解等技術(shù)交流群
每月大咖直播分享、真實項目需求對接、求職內(nèi)推、算法競賽、干貨資訊匯總、與?10000+來自港科大、北大、清華、中科院、CMU、騰訊、百度等名校名企視覺開發(fā)者互動交流~
