每天给你送来NLP技术干货！

文 | python
编 | 小轶

来自 | 夕小瑶的卖萌屋

前言

不知诸位在科研的起步阶段，是否曾有过如下的感受：

• 总感觉自己写的论文就是和自己读过的论文长得不太一样，也不知道为啥。

• 投稿的时候，审稿人也总是 get 不到论文的核心，只揪着论文的次要细节不放。

在本文中，笔者吐血整理大量的论文写作小细节。从格式到内容上帮你提升论文的清晰度和易读性，可以显著缓解论文写完后导师不爱看，评审看不懂等症状。

本文适合对LaTeX基本语法有所了解的同学食用。

符号篇

数学公式中的字母

• 标量符号用小写拉丁字母表示。为避免混淆字母 l 和数字 1 ，字母 l 可用 \ell 替代。

• 有结构的值，如句子、树、图等，用 \boldsymbol（e.g. ）。

• 向量值小写加粗。拉丁字母用\mathbf（e.g. ），希腊字母用\boldsymbol（e.g. ）。

• 矩阵大写加粗。拉丁字母用\mathbf（e.g. ），希腊字母用\boldsymbol（e.g. ）。

• \boldsymbol{x} 组成的集合用\mathcal{X}（），a 组成的集合用 A（a A）。

• 数域用\mathbb{R}（），\mathbb{Z}（）。

标点符号

• 数学公式中的省略号用\ldots，例如：

• LaTeX中英文引号的打法是： ``''

• 尽量避免用引号标记较长的文本，比如 case study 中的例子。因为引号的理解是上下文相关文法，引用文本过长不易把握引号的边界。Case study 中的例子可以用 \textit{} 标记。

• 网络链接用 \url{} 标记。

公式篇

• 使用 align 表示一组公式，一般情况下以等号对齐会更好看。对齐方式：每个公式的等号处加 &。

• （建议，有争议）只对refer的公式加编号，align中，可以用\nonumber去掉编号。

• 公式中的 softmax，proj，enc 等，超过一个字母的变量或符号，要用正文字体，即写成 \textrm{softmax} 或 \textit{FFN}。很多函数有现成的符号，例如：\arg，\max，\sin，\tanh。

• 公式中的括号，要用\left，\right 进行标记。如 \left(\right)，\left{ \right}。<>、|| 这种括号也是一样的。括号中的分割可以搭配\middle。

错误的例子：softmax 中间的迷之空格，pro和j之间的迷之空格。

部分正确的例子：还没有加粗，公式5的乘号也还没有改，只是展示一下align，以及\textrm的影响。

概率相关的例子：

表格篇

表格的大小、换行

• 用 \centering 居中。

• 用 p{2cm} 固定列宽。

• 用\small，\scriptsize，\footnotesize，\tiny 调整字号。

• 用\setlength{\tabcolsep}{8pt} 调整列间距。

• 用\multirow，\multicolumn 合并单元格。

• 用\toprule，\bottomrule, \midrule, \cmidrule画出好看的分隔线。

示例：

表格对齐

• 展示数据的列，如果数据不等长，请右对齐。（下图左边是错误地做左对齐的示例，右边为正确的）

• 表格中的加粗请使用 \textbf{}，而非\bf。上图右边中，14.10的加粗就错误地使用了\bf，导致对齐出现问题（这一问题仅在某些模板中存在），而17.24的加粗就使用了\textbf{}。

词汇篇

避免过于绝对和模糊的表达：

以下词汇除了极特殊情况外，不要出现（→后是可供替代的词）：

• obvious (→ straightforward)

• always (→ generally)

• never (→ rare)

• avoid (→ alleviate)

• meaning, semantic, better, simple, easy, trivial ...

单复数

• phenomenons  →  phenomena

• 不可数名词：evidence 等。

专有名词的大小写

核心原则：符合习惯，与提出者尽量一致，第一次提时全称在前。常用词一般不大写，除非语义和词本意不同（比较少见，同时也尽量避免）。

• CNN，LSTM

• graph attention network (GAT)，pre-trained language model (PLM)

• FEVER，ConceptNet，SQuAD，BiDAF，FEVER score，Wikipedia

句子篇

表述尽量具体，避免贴标签

核心在于，要讲清楚提出的方法到底改善了哪里，是什么导致的这个结果。而不要总是说提出的方法提升了分数，提升了某部分分数，相对什么提升了分数。这种贴标签的话，可以有，但一定不能通篇都是。

示例1：

• 贴标签：a simple yet effective approach to solve this problem, which improves performance and robustness.

• 具体：a simple yet effective approach to help XXX to learn/recognize XXX

示例2：

• 贴标签：experiments show that our model achieves state-of-the-art performance.

• 不太具体（用于摘要）：experiments show that our model can XXX, and outperform exisiting methods in literature.

• 具体（用于总结）：experiments show that our model can make better and full use of XXX, especially those XXX ones, thus achieving state-of-the-art performance.

一句话尽量只说一件事

分割前：全都混在一起，读起来总有一种：“我是谁？我在哪？我在干什么？”的迷惑。

To connect XXX using relations XXX, we train a classifier on XXX, where the sizes of training/validation/test instances are A/B/C, and we finally obtain a accuracy of XXX on the test set.

分割后：做了什么，怎么做的，过程细节，结果效果。四句分开说。

We predict the relations between XXX, linking XXX. Specifically, we train a classifier using XXX. The sizes of training/validation/test instances are A/B/C, respectively. The results show that our method obtains the accuarcy of XXX on the test set.

注意句子间的逻辑

主要需要明确，每句话想表达什么。表达的这个内容的前序铺垫都清楚了么？结论和条件之间是否有直接因果关系？或者比较间接但也铺垫充分了？尤其包含对于thus，therefore等因果指示词的句子，需要更加注意。

以及，段落开头的句子是否可以概括段落的核心思想？段落中每句话是否都和这个思想相关？有没有跑题？

其实，在处理段与段及章节之间的逻辑时，也都是类似的思路。

他山之石

以下是笔者多年珍藏的各路大佬给出的写作建议，这次也一并分享出来，以供大家参考。

1. 机器翻译学术论文写作方法和技巧：清华大学刘洋老师在CWMT-2014上做的经典报告，以机器翻译的视角，从选题开始，给大家讲解了论文写作的方法和技巧。

http://nlp.csai.tsinghua.edu.cn/~ly/talks/cwmt14_tut.pdf

2. 如何端到端地写科研论文?：复旦大学的邱锡鹏老师在CCL-2018的student workshop上做的报告。

https://xpqiu.github.io/slides/20181019-PaperWriting.pdf

3. 论文写作的易读性原则：刘一佳同学， 阿里巴巴达摩院的阿里星大神，在NLPCC-2018上做的报告。

http://yjliu.net/cv/res/2018-08-19-nlpcc-sws.compressed.pdf

4. 哥伦比亚大学的Henning Schulzrinne老师的一些学术随笔，其中也有一个论文写作的collection。

http://www.cs.columbia.edu/~hgs/etc/writing.html

5. 哈佛大学的Whitesides老师从写提纲的角度切入讲解如何撰写学术论文。

https://onlinelibrary.wiley.com/doi/pdf/10.1002/adma.200400767

6. 如何让摘要吸引人？Nature论文摘要模板值得收藏。

https://zhuanlan.zhihu.com/p/158574876

7. 支付宝研究员王益的建议：“学好语文，才能写好代码”（很多观点对写论文同样适用）

https://zhuanlan.zhihu.com/p/157243326

不管是本文谈到的细节，还是上面大佬们给出的写作建议，都只是一种风格而已，可以参考，但没有必要死守。各家有各家之言。论文写作的首要目的是支撑、凸显核心论点，而在这一前提下，保持一致最为重要。

萌新可以考虑以本文，或上面提到的某位大佬的材料中的写作风格为起点，在和导师、师兄/师姐的磨合中，逐渐形成自己的写作风格。而熟手也可以参考本文，吸收部分建议，融入到自己的风格中，作进一步完善。

写作最重要的还是经验。多写、多练、多总结、多思考、多听取导师的建议，相信你的写作水平会突飞猛进。让你的导师不再看你文章时心急得抓耳挠腮；让评审不会迷失在糟糕的写作中，能够一眼看出你的贡献点，打出 strong accept！

投稿或交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦

整理不易，还望给个在看！