1. 摘要
1.1 背景
1.2 挑战
1.3 提出新方法
1.4 贡献
2. 引言
2.1 背景(引出问题)
①介绍大背景:
② 应用场景:
③ 介绍主题:
2.2 引出挑战
一般用图表来展现出我们的挑战(直观,解决什么问题)
①引出本文的挑战:
②挑战1:
③挑战2:
④示例:
2.3 目前研究概况
滤清这个领域发展脉络,最后点出当前存在的不足之处
①介绍。。。。研究方法:
②介绍。。。。研究方法:
③介绍。。。。研究方法:某某等人研究了。。。但仅限于无向图
2.4 提出方法
总-分或者==分-总(从小模块—→我们的大模型)==模式介绍引入的方法(针对以上问题,提出了××方法)
①。。。。方法:
②。。。。建模:
③引出本文模型。。。。:
2.5 贡献总结
①提出。。。卷积:
②提出。。。方法:
③实验效果:
3. 相关工作
经典论文:发展脉络非常清楚
3.1 交通预测
第一部分:你的研究问题的发展历程(这个问题的发展过程,发展过程中所使用的一系列的研究方法)
①介绍交通预测:
②数据驱动方法:
③现有方法的限制:
④深度学习方法:
3.2 图卷积神经网络
第二部分:你本文所提出的模型算法的一个发展历程,例如你本文使用了一个图卷积或者Transformer,就要详细介绍一下这两个算法的发展历程
①GCN的诞生:
②ChebNet简介及其应用:
③ChebNet的局限性:
④节点域方法介绍:
⑤节点域方法的局限性:
3.3 DCRNN与上述方法的区别
相关方法的最后一段/句:通过这些方法的缺点,来引出我们的方法,并介绍我们方法的一个特点/不同之处
①图构造的区别:
②图卷积的区别:
4. 预先准备
主要介绍研究问题,输入的信息有哪些?输出是什么?
首先,明确模型的输入和输出以及明确一些符号的表示
5. 方法
首先,介绍模型的一个整体架构,包含哪几个模块,再简单介绍这几个模块
穿插数据的一个计算流程→→介绍一个总的架构→→分别介绍每一个独立的模块
首先介绍一个独立的建模(第一部分:空间依赖性建模——涉及复杂原理;第二部分:实现依赖性建模;最后对DCRNN进行一个总的概括)
5.1 空间相关性建模
5.2 时间动力学建模
5.3 计划采样策略
5.4 DCRNN总结
6. 实验
6.1 数据集
①数据集:
②标准化:
③数据集分割:
6.2 实验设置
实验中模型的一些参数设置问题
①模型的层数,隐藏单元:
②初始学习率,epoch数量:
6.3 总体实验结果对比
总体性能比较,消融研究,参数研究或案例研究等
总体性能比较:
①实验内容:
②从基于RNN的时间依赖建模方面阐述:
③从基于××建模方面阐述:
④分析原因:
7. 结论
①主题:首先描述在一个什么样的背景下,我们来研究这个问题呢
②贡献:我们提出了一个什么样的方法
③贡献:怎么做的
④实验:做的程度怎么样(模型的一个效果)
⑤展望未来:还有一些什么没解决掉的问题,或者在哪一方面我们还能再进一步(可以用到什么领域中,还有什么不足之处)
8.附录
相关工作:积累该文的句子,了解当前领域,以便在以后的领域中或者了解当前算法的一个发展脉络(引言或相关工作最难写)
明确每一句话/段,每张图/表的一个意义
论文整体架构:
1) 摘要:背景-挑战-方法-贡献
全篇论文的精髓→→摘要→→取决于审稿人看下去的动力
2)引言:背景-挑战-研究现状-提出新方法-贡献,更像是一个大号摘要,多了研究现状,但研究现状要跟相关工作区分开,他只是简单描述了一下这个领域的发展脉络。而相关工作更加细致一些。
3)相关工作:从研究问题和核心算法两个部分展开,“针对问题-提出方法-存在不足”以此循环开展。××针对这个问题提出了什么方法,有解决了什么问题,但他还存在什么不足。(最后一句,一定要写他们的不足,以此来引入我们的方法)
4)预先准备:明确模型的输入和输出
5)方法部分: 总分结构,模型的一个大概计算流程,每个组件的一个大概功能(每个独立组件中:动机+方法+公式表达+解释公式)
6)实验部分:数据集+实验设置(参数)+每一个具体实验(实验内容+实验结果描述+分析产生原因)
7)结论:背景-方法-效果-展望未来(一句话描述我们的不足/未来要去做什么)
来自up主总结:https://www.bilibili.com/video/BV1cj411B7tk/?spm_id_from=333.788&vd_source=f1392e2fafc7950bf1e103bc05f488d5