论文书写框架¶
Abstract¶
■ 书写思路：
a. 定义好研究的任务是什么。比如情感原因对抽取是个什么任务。嵌套NER等等
b. 目前的挑战是什么？可以从前人工作的角度出发，怎么做的。有什么缺点？
Motivation¶
c. 为了解决这个问题，提出什么模型或者方法（简述）
i. 这个模型包括几部分？
ii. 核心模块是什么？作用是什么？
iii. 陈述其余模块的功能和效果。
d. 实验结果表明...
Introduction¶
■ 书写思路：
a. 扩展说明一下研究的任务定义以及研究该任务的意义。
b. 目前的挑战是什么，举例说明（现存工作没有解决的问题）（可以列举一个例子说明现存工作没有考虑，或者没有达到这种效果） 可以画两个图
c. 阐述现存工作，有什么问题（跟现有的工作的比较）--举例说明
i. 现在的工作是怎么做的，可以分成几大类，每一类有若干典型工作，阐述
ii. 他们存在的缺点，或者说该任务的挑战他们还没有很好解决。
d. 为了解决该问题，我们提出了什么模型，包括几部分，可以展开介绍每个部分的功能和效果。用到的技术是什么？ 和摘要一样，只说模型的效果，不要写模型输入和输出（在approach章节写）
e. 本文的贡献：一般3点，注意重点突出模块的作用和效果
Related Work¶
■ 书写思路：
a. 分成2-3部分说明。
b. 每一部分的相关工作可以按照类别展开说明
c. 再具体每一个工作的细节。
d. 最后要说一下之前工作和我们的区别，我们的优势在哪里。(一定要写)
这部分的相关工作和Introduction中相关工作有什么区别？
模型部分¶
（总分）
■ 书写思路：
a. 整体一段介绍模型的总体结构图
b. 分段阐述每个模块（为了达到什么目的，用什么方法，怎么做）
i. 先说目的和作用
ii. 再说怎么个操作和过程
c. 训练损失
d. 预测（是否和训练不一致，有没有后处理等）
实验部分（至少30%）¶
■ 书写思路：
a. 数据集
i. 有什么特点
ii. 数据集规模
iii. 标签类别等等
b. 实验设置
i. 参数（设置的范围，和最后的选定值）
ii. 预处理
iii. Baseline
iv. 评价指标
# 实验分析
c. 实验结果分析
i. 主实验（双栏表格对比）¶
| 方法 | 指标1 | 指标2 | 关键观察 |
|---|---|---|---|
| Baseline | - | - | 效果描述 |
| 本文方法 | - | - | 对比提升原因分析 |
重点方向：
- 避免强调效果提升，需深入分析「为何有效/无效」
- 对比传统方法的局限性（如特征提取能力、泛化性等）
ii. Ablation 实验¶
| 组件/设计 | 指标变化 | 消融影响分析 |
|---|---|---|
| 模块A | ↓XX% | 解释模块的核心作用 |
| 模块B | ↓XX% | 分析多组件协同机制 |
关键点：
- 量化每个模块的贡献度
- 说明模块失效时的模型缺陷
iii. 模型机理分析¶
- 特征可视化（如Grad-CAM）
- 对比基线模型与本文方法的特征聚焦区域差异
- 解释模块如何引导模型关注关键区域
- 特征分布分析（如t-SNE）
- 说明本文方法是否实现更好的特征解耦
iv. 可视化实验¶
- 可视化对比（如图像分割结果、注意力热图）
- 突出显示本文方法在复杂场景（遮挡、光照变化）中的优势
- 失败案例展示
- 分析模型当前局限性（如小目标漏检、边界模糊）
v. 参数实验¶
| 参数 | 取值范围 | 敏感度分析 |
|---|---|---|
| 学习率 | 1e-3~1e-5 | 过大导致震荡，过小收敛慢 |
| 损失权重λ | 0.1~1.0 | 平衡多任务学习的关键 |
分析维度：
- 参数设置与模型鲁棒性的关系
- 过参数化/欠参数化的表现差异
总结¶
■ 书写思路：
a. 我们提出了什么（直接说结论）
i. 包含几个模块
ii. 每个模块的作用，达到的效果
b. 实验数据
i. 实验结果说明了什么
ii. 直接给结论，不用再写分析之类的（模型泛化性好、可解释性强）
c. 未来的工作（考虑其他因素，模型部分可以改进点，不要说模型的缺点）