MLNLP ( 机器学习算法与自然语言处理 )社区是国内外知名自然语言处理社区,受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。
社区的愿景 是促进国内外自然语言处理,机器学习学术界、产业界和广大爱好者之间的交流,特别是初学者同学们的进步。
来源 | 专知
NeurIPS2022马上截稿了! 如何提高论文命中率,牛津大学副教授Jakob倾心讲解《写好机器学习顶会论文》关键要点,必看!

规范ML论文结构
1. 摘要 (TL; 论文DR):
X: 我们想要做什么?为什么它是相关的?
Y: 为什么这么难?
Z: 我们怎么解决(也就是我们的贡献!)
1: 我们如何验证我们解决了它:
1a)实验
1 b)理论

2. 引言 (摘要的长版本,即全文):
X:我们想要做什么?为什么它是相关的?
Y:为什么这么难?
Z:我们怎么解决(也就是我们的贡献!)
1:我们如何验证我们解决了它:
1)实验结果
1 b)理论
额外的空间吗?未来的工作!
在第一页上有图1是额外的要点

3. 相关工作
我们的学术相关工作,也就是在文献中尝试解决相同的问题。
目标是“比较和对比”——他们的方法在假设或方法上有何不同?如果他们的方法适用于我们的问题设置,我希望在实验部分进行比较。如果不是,就需要明确说明为什么给定的方法不适用。
注意: 仅仅描述另一篇论文正在做什么是不够的。我们需要比较和对比。

4. 背景介绍
我们工作的学术起源,即理解我们的方法所需的所有概念和之前的工作。包括一小节的问题设置,正式介绍问题设置和符号(形式主义)为我们的方法。强调任何不寻常的特定假设。

我们怎么做的。我们为什么这么做。所有的描述都使用了问题设置中介绍的一般形式化,并建立在背景介绍的概念/基础上。

我们如何验证我们的东西是否有效? 要给出了这个问题设置的具体实例和我们的方法的具体实现细节。

7. 结果和讨论:
展示在实验设置中我们所描述的问题上运行方法的结果。与相关工作中提到的Baseline进行比较。包括统计数据和置信区间。包括关于超参数和其他潜在的公平问题的声明。包括消融研究,以表明具体部分的方法是相关的。讨论该方法的局限性。

我们做到了。这篇文章非常棒,你很幸运读过它(也就是整篇文章的简要回顾)。此外,我们还会在未来做所有这些神奇的事情。
从提纲开始,而不是全文。每一行将对应于最终版本中的一个段落。在建造一座建筑之前改变它的轮廓要容易得多。如果你不确定的话,这是和别人交谈的好时机。接下来,展开大纲,但将摘要文本作为Latex注释放在每个段落之前。这将使你保持在正确的方向上,并使任何提供反馈的人能够更容易地快速了解整个流程。
最常见的写作“坑”和其他建议
当作者是句子的一部分时,使用“\citet”,例如“\citet{foerster2016learnig} show ..”,以及“~\citep”,否则,例如“..”最近的工作~ \ citep {foerster2016learnig}”。
引用任何不被你的实验支持的观点,避免浮夸的语言或过于宽泛的观点——这通常会让你很容易毫无理由地攻击这篇论文
不要把写论文留到最后一分钟。目标是在截止日期前一周完成一份完整的草稿。
在Overleaf中启用更改跟踪,并直接与您的协作者的电子邮件地址共享。这样它就在UI中了
在使用首字母缩略词之前介绍它。
尽量避免同义词。
只介绍你在论文中使用的符号和首字母缩写。
什么是粗体,什么是斜体?这取决于你,但是要始终如一。
避免使用随机大写(RC),即使是方法名和引入首字母缩写时也是如此。
避免人工智能算法的拟人化(“知识”等)。
避免主观主张——通常形容词是危险信号。
“On the other hand”不能没有“On the one hand”。
注意在一段话中单词的重复。
尽可能使用简单的语言。避免使用罕见的词或听起来“花哨”。对于很多科学家(比如我自己)来说,英语不是他们的第一语言。
永远不要复制粘贴其他论文,除非你是逐字引用。
从头开始编写代码要比修改代码更容易(也更合乎道德!)。
最后,与所有的作者进行大量的沟通(即,至少在最后一周每天),以保持正确的方向并享受乐趣!!



文件下载:关注下方公众号MLNLP,回复“MLWP”即可获得下载链接!
扫描二维码添加小助手微信
即可申请加入自然语言处理/Pytorch等技术交流群关于我们
MLNLP社区 (机器学习算法与自然语言处理) 是由国内外自然语言处理学者联合构建的民间学术社区,目前已经发展为国内外知名自然语言处理社区,旗下包括 万人顶会交流群、AI臻选汇、AI英才汇 以及 AI学术汇 等知名品牌,旨在促进机器学习,自然语言处理学术界、产业界和广大爱好者之间的进步。社区可以为相关从业者的深造、就业及研究等方面提供开放交流平台。欢迎大家关注和加入我们。