清华大学王翔宇主讲的学术论文写作概述总结如下：部分内容摘自其PPT

PPT下载地址：https://cloud.tsinghua.edu.cn/d/43a39e7ff05d43ef9f9e/

一篇英文论文的正常结构：题目Title、摘要Abstract、前言（引言）Introduction、问题描述Problem Formulation、方法Method、验证（实验）Experiments、结论Conclusion。

要做的事可以总体概括为下图：

学术论文两要素：1、专业的知识；2、科学的表达。

如何写作？（下图摘自）

论文中都要求有创新点，什么是创新点？——干了别人没干过的事儿，就是创新。

1、发现了别人没发现的现象

2、提出了别人没提出的理论或方法

3、解决了别人没解决的问题

4、设计了别人没做过的实验

一、题目

1、作用：

统领全文（概括整篇文章的主要内容，直观明了，详细具体）、画龙点睛（创新点与贡献、文章特色）、吸引眼球（要靠创新点吸引）。

2、怎么起名？

中规中矩：对象+问题+方法

高端一点：对象/问题（可以简化）+方法（描述其创新性、独特性）

高端又不失内涵：对象/问题+方法（描述其创新性、普适性）

二、摘要

1、作用：

与题目 的作用类似：统领全文、画龙点睛

2、写法：

100-200words，表述前因后果讲清楚，创新点更加详细，贡献更加突出。

总之，要让别人看完只要就知道你做了什么工作。

3、举个例子

Bidirectional Attention Flow for Machine Comprehension

Machine comprehension (MC), answering a query about a given context paragraph, requires modeling complex interactions between the context and the query. Recently, attention mechanisms have been successfully extended to MC. Typically these methods use attention to focus on a small portion of the context and summarize it with a fixed-size vector, couple attentions temporally, and/or often form a uni-directional attention. （说明问题与一般解决办法）

In this paper we introduce the Bi-Directional Attention Flow (BIDAF) network, a multi-stage hierarchical process that represents the context at different levels of granularity and uses bi-directional attention flow mechanism to obtain a query-aware context representation without early summarization. （本文 提出的方法具体怎么解决问题）

Our experimental evaluations show that our model achieves the state-of-the-art results in Stanford Question Answering Dataset (SQuAD) and CNN/DailyMail cloze test.（方法取得了什么效果）

译文：

机器理解（MC），要回答有关给定上下文段落的查询，需要对上下文与查询之间的复杂交互进行建模。 最近，注意力机制已经成功地扩展到MC。 通常，这些方法使用注意力将注意力集中在上下文的一小部分上，并使用固定大小的向量对其进行汇总，在时间上耦合注意力，和/或通常形成单向注意力。 在本文中，我们介绍了双向注意力流（BIDAF）网络，它是一个多阶段的分层过程，用于表示不同粒度级别的上下文，并使用双向注意力流机制来获得查询感知的上下文表示，而无需进行早期汇总 。 我们的实验评估表明，我们的模型在斯坦福问答数据集（SQuAD）和CNN / DailyMail完形填空测试中达到了最新的结果。

最后

以上就是背后奇异果为你收集整理的论文写作——题目与摘要Bidirectional Attention Flow for Machine Comprehension的全部内容，希望文章能够帮你解决论文写作——题目与摘要Bidirectional Attention Flow for Machine Comprehension所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。