引入

对叶老师三次审稿意见和闵老师一次意见的总结。

第一次

意见1：题目首字母大写
思考：这个主要和目标期刊相关联，包括章节小标题等

意见2：题目Multi-instance embedding learning with neural network太平
思考：已有的题目按照研究方向、主方法、负方法进行书写。
缺点：神经网络太过于宽泛，不能体现创新点
修改：Attention-to-Embedding: A Framework for High-Dimensional Multi-Instance Learning
说明：Attention表明使用的网络类型，embedding表明使用的另一种方法，framework与前面的限定词搭配，high-dimensional表示应用场景、multi-instance learning表明主方向。

意见3：摘要中，待解决的问题不清晰，未能体现算法的优点。

思考：已有的写作思路为背景–>转折–>本文–>实验，的确没有体现算法的优点
修改：

说明：当前摘要直接指出我们提出的算法，通过从句的方式来指明研究对象。接下来按照问题–>思路–>解决–>实验–>额外优势进行展开

意见4："In contrast to traditional single-instance learning (SIL), MIL works with a set of labeled bags. A bag corresponds to a sample containing a variable number of unlabeled instances."未描述清楚
修改：In contrast to traditional single-instance learning (SIL), each object in MIL is a bag containing various numbers of instances. A label is assigned to the bag, but not to the individual instances
说明：没有改变总体的含义，而进行更准确地描述

意见5：部分句子是类似于以下结构，“Applying clustering techniques to handle”，应当避免
思考：这种主要是通过调整句子结构来避免

意见6：引入中的相关方法描述里出现了变量
思考：在引入中，能用文字描述就用文字；而在方法的说明中，则多用符号、数学表达之类

意见7：引言的逻辑问题，建议修改为问题定义、MIL方法整体介绍等
思考：引言的逻辑应当与摘要匹配，采用类似于层层递进、由远及近的写作方法
修改：修改后的引言为问题背景–>相关方法–>本文动机–>本文方法–>贡献–>实验

意见8：引入部分对神经网络的介绍过于细节，这些将淹没本文的动机
思考：这一点说明的是，对于已有的方法，点到为止即可，主要是引入自己的工作，着重于自己的东西的介绍。

意见9：引入中介绍自己方法时出现了文献引用，将降低自己的创新型
思考：这个以后都需要额外注意。

意见10：缺乏一个方法的总体流程。
说明：已在引入部分添加了总体流程图，和在算法部分的预备知识部分使用一句话来描述自己的方法，即：“Our goal is to transform the MIL high-dimensional tasks into SIL low-dimensional ones by connecting the attentionnet with the bag-level embedding”

意见11：算法部分，所提出的注意力网络没有描述清楚

思考：目前的介绍中，主要是说我们提出了一个网络–>网络包含了两个部分–>网络的输入输出–>优势。感觉还行，哈哈哈，不过后面把网络相关的图移到了引入部分的大图中，关于网络的描述便转换为了公式说明

意见12：仔细检查符号“||”
思考：对于一些不常用的符号，需要考虑它的出处，自创的符号需要谨慎

第二次

意见1：注意引言和相关工作的写作差异。
思考：这个需要平时多积累了。

意见2：没有讲清楚动机。

思考：目前的写作方式是把动机和自己的方法弄在一起了，依然有少量的符号描述。且描述的时候主要也是说明的怎么做，关于为什么描述得较少。
修改：

说明：修改后，第一段着重于介绍背景、已有方法的不足。第二段则说明我们的方法，以及如果对问题进行解决。

意见3：一般的创新点最好能一句话叙述加补充说明，且贡献第二点不太合适。

思考：目前第一个贡献的描述过长，让人抓不住动机。第二个贡献严格上不算贡献，应注意贡献是自己特有的。
修改：

说明：修改后着重于两个方面进行说明：1）我们的方法策略，其优势为不受神经网络参数初始化的影响；2）设计了一个不依赖于池化函数的网络和距离函数的嵌入函数。

第三次

意见1：花大篇幅介绍别人方法的目的？
思考：自始至终都应该着重自己的工作，别人只是为了补充说明、对比之类的。

闵老师

Multi-instance learning (MIL) was formally proposed in the investigation of drug activity prediction
批注：为什么是“formally”? 这个表示“正式”，很怪异。我觉得你要表示起源，就是“最初”的意思吧？
修改：Multi-instance learning (ML) was originally designed for drug activity prediction
the training object is a bag containing various numbers of instances
批注：并非只有训练对象才是包吧？测试的难道不是？
修改：each object is a bag containing various numbers of instances
思考：
Furthermore, MIL is frequently utilized in a variety of applications
批注：去掉 Furthermore, 这里并没有什么递进关系。从逻辑上讲，这里其实是与起源相对应，说不仅仅是 drug prediction, 因此要想另外的连接词。
修改To date, MIL has also been frequently utilized in a variety of applications
following solutions: a) Instance-based approaches rely on two assumptions
批注：然后呢？它是怎么做的？这和后面的句子对仗不起来呀。
修改：Instance-based approaches calculate the bag label by predicting the instance label and combining MIL assumptions
For neural network-based MIL, it can be categorized into two types
批注：不要那么绕
修改：Neural network-based MIL can be categorized into two types
思考：A怎样就行，而不是对于A，它怎样。
convex max operator (or max operator). and b)
批注：符号不对要罚款
修改：convex max operator (or max operator); and b)
思考：细节问题格外需要注意。
However, the majority of these methods lack research or perform poorly on MIL high-dimensional data sets.
批注：lack research 太口语化了
修改：However, most of these methods perform poorly on MIL high-dimensional datasets because they are not designed for this situation.
Zhang and Zhou (2004) directly apply
批注：时态
修改Zhang and Zhou (2004) directly applied
Furthermore, although the attention and loss-attention neural networks can learn the low-representation and predict the label of the bag, while the outcomes of successive experiments may be substantially different due to the random setting of the parameter initialization.
批注：太长了！用了 although, 就不需要用 while。还是分成两句吧。
修改：The attention and loss-attention neural networks can learn the low-representation and predict the label of the bag.
However, the outcomes of successive experiments may be substantially different due to the random setting of the parameter initialization.
思考：平时需要注意不要写太长的句子。
To handle MIL high-dimensional tasks and alleviate this issue,
批注：你这里的 this issue 指代啥？如果是高维的话，就与前半句重了
修改：To alleviate these difficulties in MIL high-dimensional tasks,
The overall framework is shown in Figure 1.
批注：写得堂堂正正嘛！
修改：Figure 1 shows the overall framework.
思考：自己强的地方就直言不讳哈哈哈
The first portion is an example image
批注：你从哪里找的 portition? example 要换成 exemplary 或者 sample
修改：The first part is a sample image
思考：不需要为了花里胡哨强行装逼
However, very little attention is paid to MIL’s attention mechanisms.
批注：不要用 very 这种主观词；两个 attention 稍有冲突，它们表示不同的意思。想办法换个。
修改：However, few studies have focused on the attention mechanism of MIL.

CCF C类会议：PAKDD叶老师和闵老师意见反馈相关推荐

ccf a类会议_信息安全相关学术会议列表
信息安全领域的最新学术研究成果一般是在顶级会议上发表.这里仅列举了偏向工程方面的安全会议,包括部分没有CCF排名的会议,其中CCS.NDSS.Oakland S&P.USENIX Securi ...
ccf a类会议_ISCA#39;21截稿在即，阿里或成为国内在该会议上的最大赢家!
ISCA,全称International Symposium on Computer Architecture,体系结构领域的顶级会议,由ACM SIGARCH(计算机系统结构特殊兴趣组)和IEEE ...
a类论文计算机视觉,高瓴人工智能学院师生5篇论文被CCF A类会议CVPR录用
3月1日,中国计算机学会(CCF)推荐的A类国际学术会议CVPR 2021论文接收结果公布.中国人民大学高瓴人工智能学院师生有5篇论文被录用.国际计算机视觉与模式识别会议(Conference on ...
CCF A类会议或期刊----多视图聚类近两年论文
工具代码位置期待您的PR 会议/期刊论文 kdd2021 A Novel Multi-View Clustering Method for Unknown Mapping Relationship ...
软件工程领域CCF B类会议：SANER介绍（以SANER 2019为例）
文章目录前言 1 基本信息(包括对其7个track的介绍) 1)Research Track 2)ERA Track 3)Industrial Track 4)Tool Demo Track 5)R ...
CCF A类会议或期刊----多视图，多模态近两年论文
工具代码位置期待您的PR 多模态多视图交流QQ群:927952513 会议/期刊论文 neurips2020 Removing Bias in Multi-modal Classifiers: R ...
2023计算机CCF A类会议期刊截稿日期
排名会议/期刊名截稿日期 1 [CVPR] IEEE Conference on Computer Vision and Pattern Recognition 2022.11.11 2 [Neu ...
CCF A类会议或期刊----回归相关论文
工具代码位置期待您的PR 会议/期刊论文 sigmod2020 PrIU: A Provenance-Based Approach for Incrementally Updating Regre ...
dbscan论文_重点关注！我校论文被CCF A类人工智能国际顶级学术会议IJCAI录用
4月20日,CCF A类人工智能国际顶级学术会议International Joint Conference on Artificial Intelligence (IJCAI 2020)发来通知,我 ...

CCF C类会议：PAKDD叶老师和闵老师意见反馈

文章目录

引入

第一次

第二次

第三次

闵老师

CCF C类会议：PAKDD叶老师和闵老师意见反馈相关推荐

最新文章

热门文章