对论文的基本要求是：
（1）论文的主要内容，是叙述一套方法在一个特定场合中的应用。
（2）这套方法必须要有所创新或突破，并因而对学术界有所贡献。因此，它或者是解决既有问题的新方法，或者是既有方法的新应用，或者是以一个新的方法开启一整片新的应用领域。
（3）在论文中，你必须要有能力提出足够的证据来让读者信服说：针对这个应用场合，你所提出来的方法确实有比文献中一切既有方法更优越之处。
（4）此外，你必须要能清楚指出这个方法在应用上的限制，并且提出充分证据来说服读者：任何应用场合，只要能够满足你所提出来的假设（前提）条件，你的方法就一定适用，而且你所描述的优点就一定会存在。
（5）你还必须要在论文中清楚指出这个方法的限制和可能的缺点（相对于其它文献上的既有方法，或者在其它应用场合里）。
（6）行文风格上，它是一篇论证严谨，逻辑关系清晰，而且结构有条理的专业论述。也就是说，在叙述你的方法的过程，你必须要清清楚楚地交代这个方法的应用程序以及所有仿真或实验结果的过程，使得这个专业领域内的任何读者，都有办法根据你的描述，在他的实验室下复制出你的研究成果，以便确定你的结论确实是可以「在任何时间、任何地点、任何人」都具有可重复性（可重复性是「科学」的根本要求）。
（7）而且，你对这个方法的每一个步骤都必须要提供充分的理由说明「为什么非如此不可」。
（ 8）最后，你的论文必须要在适当位置清楚注明所有和你所研究之题目相关的文献。而且，你必须要记得：只要是和你所研究的问题相关的学术文献（尤其是学术期刊论文），你都有必要全部找出来（如果漏掉就是你的过失），仔细读过。假如你在学位论文口试时，有口试委员指出有一篇既有文献，在你所讨论的问题中处理得比你的方法还好，这就构成你论文无法及格的充分理由。
（9）第（2）款所谓「对学术界的贡献」，指的是：把你的所有研究成果扣除掉学术界已经发表过的所有成果（不管你实际上有没有参考过，没有参考过也算是你的重大过失），剩下的就是你的贡献。假如这个贡献太少，也构成你论文无法及格的充分理由。
1. 标题
所谓看人先看脸，擒贼先擒王，看论文首看标题。标题往往会决定读者对这篇论文的第一印象。一个好的标题很重要。记住以下几点
- 标题应指出新问题和/或新方法。
- 使用相关领域的流行术语，以便理解和检索。
- 长度合适。40-60字符之间(是字符!char! 不是单词)
- 避免使用"based-on",不然会被认为是应用型论文。
2.摘要
说明这篇论文的主要贡献、方法特色与主要内容。 Abstract 和Introduction便可以判断出这篇论文的重点和你的研究有没有直接关连。它通常由三部分组成：现有工作、论文工作和实验结果。摘要一般由以下十句构成。
- 问题及其重要性。这句话可以确定问题的领域、解释主要概念或问题的重要性。
- 现有工作。这句话可以描述解决这个问题的最新方法。
- 现有工作的限制（可选）。这句话以“However”开头。批评不应该太强烈。
- 论文的主要内容。理想情况下，它应该是标题的延伸。建议算法的缩写也应出现在这句话中。只有这个句子可以超过20个单词。
- 算法的第一个方面/技术/阶段。
- 算法的第二个方面/技术/阶段。
- 算法的第三个方面/技术/阶段。
- 实验装置。它应该说明数据集的域/编号/源。
- 结果。它应该说明准确性的提高、运行时间的减少等。
- 从更高层次的角度（可选）作出的贡献。这篇论文可能为这一研究领域打开一扇新的大门。
3.引言
Introduction 的功能是介绍问题的背景和起源，交代前人在这个题目上已经有过的主要贡献，说清楚前人留下来的未解问题，以及在这个背景下这篇论文的想解决的问题和它的重要性。
4.理论部分
理论对于计算机学生是比较麻烦的，这里需要一些“离散数学”的相关知识。
- 理论应该是完整的。
- 符号应保持相同的形式。
5.算法部分
算法是一般是论文的核心。一般采用伪代码形式体现
6.实验部分
6.1数据集
通常会使用图表列出数据集的基本信息。
-
在不同领域拥有更多数据集的结果更具说服力。在大多数情况下，12到20个数据集就足够了。
然而，有些任务缺少数据集。合成数据或数据采样有助于缓解这一困难。 -
更大的数据集是首选。有些数据集具有10000多个实例和100个属性是很好的。
否则，会被说成只使用" toy data sets" -
在相同的参考数据集上的结果更令人信服。由于已知现有算法的结果，比较研究更容易。
-
应获取现有算法的源代码，否则应实现该算法。
由于平台和数据采样，获得的结果可能与参考文献中提供的结果不同。为便于比较，应采用新的。 -
图形和表格中不应同时显示相同的结果。应为显示选择适当的方法。
6.2问题与解答
实验的目的是回答一些问题。在说明结果之前，应提出几个问题。最后，这些问题应该得到回答。这样，实验部分就被组织成一个整体。
之后我们使用图表来回答这四个问题
1） TACS比流行的监督分类算法（包括x）更精确。表x对此进行了验证。
不幸的是，在xx等一些数据集上，它明显比RF等其他算法更差。原因可能是xxx
2） TACS比流行的主动学习算法（包括x、xx）更精确。表x对此进行了验证。
它在x数据集上也被x击败。原因可能是，xxx
3） TACS比基于单一聚类技术的算法更精确。表x对此进行了验证。
它是所有数据集中最好的，或者说是第二好的。
4） 在大多数情况下，TAC可以找到合适的基本聚类技术。表6对此进行了验证。
6.3算法内部比较
算法本身的因为参数修改等所导致的差异性也需要得到比较
-
显示每个参数引起的性能更改。每个二维图形仅显示一个参数的趋势。
因此，当有许多参数时，只应讨论最重要的参数。 -
演示主方法相对于其他变体的优势。
6.4算法外部比较
算法需要和现有的一些方法进行比较
- 应比较经典/基线/基准和最先进的方法。
- 直方图经常被使用。
- 如果数据太多，表格比数字好。
7.结论和进一步工作
- 用五句话作结论。就一篇论文而言，没有多少结论。否则，应在此部分之前插入讨论部分。
- 避免使用与摘要相同的句子。这些句子可能强调重要的观察和结果。它们比抽象更具体。
- 进一步的工作可能有3到5点。读者可能对本节特别感兴趣，因为它指出了研究的下一步。
开门比关门更重要。如果这一部分写得好的话，可能会多出一些他引。
8.引用
标签：结课,结果,方法,论文,问题,算法,写作,数据 来源： https://blog.csdn.net/xiaobai_zac/article/details/122071535
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。