Arxiv网络科学论文摘要10篇(2022-10-07)

内容导航：

Arxiv网络科学论文摘要10篇(2022-10-07)

如何在arxiv上发论文

这该怎么做？高数求解

本科毕业论文写作全攻略

一、Arxiv网络科学论文摘要10篇(2022-10-07)

单细胞数据中信号选择的多尺度方法;通过重采样减少实验性社会网络中的偏差放大;用于分类的考虑中心的随机游走图嵌入方法;影响最大化：分而治之;大规模综合图数据集生成框架;具有高阶结构的图混合模式;香农熵：加密货币投资组合的经济物理学方法;社区作为模糊算子：社区检测算法的关键启发式的认识论问题;揭示图对比学习中的结构公平性;三态意见模型的均衡与动态;单细胞数据中信号选择的多尺度方法

原文标题： Multiscale methods for signal selection in single-cell data

地址： http://arxiv.org/abs/2206.07760

作者： Renee S. Hoekzema, Lewis Marsh, Otto Sumray, Thomas M. Carroll, Xin Lu, Helen M. Byrne, Heather A. Harrington

摘要： 单细胞转录组学的分析通常依赖于对细胞进行聚类，然后执行差异基因表达 (DGE) 来识别在这些簇之间变化的基因。这些离散分析成功地确定了细胞类型和标记；然而，可能无法检测到细胞类型内和细胞类型之间的连续变化。我们提出了三种拓扑驱动的无监督特征选择数学方法，这些方法同时在多个尺度上考虑离散和连续的转录模式。 Eigenscores (texteig_i) 使用拉普拉斯图的谱分解，根据它们与数据中低频固有模式的对应关系对信号或基因进行排名。多尺度拉普拉斯评分 (MLS) 是一种无监督方法，用于定位数据中的相关尺度并选择在这些各自尺度上连贯表达的基因。持久瑞利商 (PRQ) 采用配备过滤的数据，允许在分叉过程（例如，伪时间）中分离具有不同作用的基因。我们通过将它们应用于已发布的单细胞转录组学数据集来展示这些技术的实用性。这些方法验证了先前确定的基因并检测具有连贯表达模式的其他具有生物学意义的基因。通过研究基因信号与底层空间几何之间的相互作用，这三种方法给出了基因的多维排序和它们之间的关系的可视化。

通过重采样减少实验性社会网络中的偏差放大

原文标题： Bias amplification in experimental social networks is reduced by resampling

地址： http://arxiv.org/abs/2208.07261

作者： Mathew D. Hardy, Bill D. Thompson, P.M. Krafft, Thomas L. Griffiths

摘要： 大规模的社会网络被认为通过放大人们的偏见而助长了两极分化。然而，这些技术的复杂性使得难以确定负责的机制并评估缓解策略。在这里，我们在受控的实验室条件下表明，通过社会网络进行的信息传输会放大简单感知决策任务的动机偏见。一项大型行为实验的参与者显示，当社会网络的一部分相对于非社交参与者时，在 40 个独立发展的人群中，有偏见的决策率增加。利用机器学习和贝叶斯统计技术，我们确定了对内容选择算法的简单调整，预计可以减轻偏差放大。该算法从个人网络中生成一个视角样本，该样本更能代表整个人口。在第二个大型实验中，这种策略减少了偏差放大，同时保持了信息共享的好处。

用于分类的考虑中心的随机游走图嵌入方法

原文标题： Hub-aware Random Walk Graph Embedding Methods for Classification

地址： http://arxiv.org/abs/2209.07603

作者： Aleksandar Tomčić, Miloš Savić, Miloš Radovanović

摘要： 在过去的二十年中，我们目睹了以图或网络形式构建的有价值的大数据的巨大增长。要将传统的机器学习和数据分析技术应用于此类数据，有必要将图转换为基于向量的表示，以保留图最基本的结构属性。为此，文献中提出了大量的图嵌入方法。它们中的大多数产生适用于各种应用的通用嵌入，例如节点聚类、节点分类、图可视化和链路预测。在本文中，我们提出了两种新的基于随机游走的图嵌入算法，专门针对节点分类问题而设计。所提出算法的随机游走采样策略旨在特别关注集线器——在大规模图中对整体连通性具有最关键作用的高度节点。通过分析在现实世界网络的嵌入上训练的三种分类算法的分类性能，对所提出的方法进行了实验评估。获得的结果表明，与目前最流行的用于生成通用图嵌入的随机游走方法（node2vec）相比，我们的方法大大提高了检查分类器的预测能力。

影响最大化：分而治之

原文标题： Influence Maximization: Divide and Conquer

地址： http://arxiv.org/abs/2210.01203

作者： Siddharth Patwardhan, Filippo Radicchi, Santo Fortunato

摘要： 影响最大化问题，即找到对网络具有最大影响的节点集，对于一些应用程序来说非常重要。在过去的二十年里，已经提出了许多发现影响者的启发式指标。在这里，我们介绍了一个框架来提高任何此类指标的性能。该框架包括将网络划分为影响的部门，然后选择这些部门中最有影响力的节点。我们探索了三种不同的方法来查找网络中的扇区：图分区、图双曲线嵌入和社区结构。该框架通过对真实和合成网络的系统分析进行了验证。我们表明，在选择有影响的扩展器之前将网络划分为多个扇区所产生的性能增益随着网络的模块化和异质性的增加而增加。此外，我们证明了将网络划分为扇区可以在随网络大小线性尺度的时间内有效地执行，从而使该框架适用于大规模影响最大化问题。

大规模综合图数据集生成框架

原文标题： A Framework for Large Scale Synthetic Graph Dataset Generation

地址： http://arxiv.org/abs/2210.01944

作者： Sajad Darabi, Piotr Bigaj, Dawid Majchrowski, Pawel Morkisz, Alex Fit-Florea

摘要： 最近，人们越来越关注为许多图分析任务开发和部署深度图学习算法，例如节点和边分类、链路预测以及具有大量实际应用（例如欺诈检测、药物发现或推荐系统）的聚类。尽管公开可用的图结构数据集数量有限，但与具有数万亿条边和数十亿个节点的生产规模的应用程序相比，其中大部分数据集都很小。此外，新算法和模型在具有相似属性的相似数据集上进行了基准测试。在这项工作中，我们通过提出一种可扩展的合成图生成工具来解决这个缺点，该工具可以模仿真实世界图的原始数据分布并将它们尺度到任意大小。然后可以使用该工具从专有数据集中学习一组参数模型，这些模型随后可以发布给研究人员，以研究合成数据上的各种图方法，从而增加原型开发和新应用。最后，图学习算法的性能不仅取决于大小，还取决于数据集的结构。我们展示了我们的框架如何在一组数据集上进行泛化，模仿结构和特征分布以及它在不同数据集大小上的可扩展性。

具有高阶结构的图混合模式

原文标题： Mixing patterns in graphs with higher-order structure

地址： http://arxiv.org/abs/2210.02528

作者： Peter Mann, Lei Fang, Simon Dobson

摘要： 在本文中，我们检查了具有非平凡聚类和基于子图的分类混合的高阶网络的渗透特性（顶点连接到基于子图联合度的其他顶点的趋势）。我们的分析方法基于生成函数。我们还提出了一种蒙特卡洛图生成算法，用于从具有固定统计量的图集合中绘制随机网络。我们使用我们的模型来理解网络微观结构通过聚类的安排对全局属性的影响。最后，我们使用边不相交团覆盖来表示使用我们的公式的经验网络，发现结果模型提供了对基于边的理论的显著改进。

香农熵：加密货币投资组合的经济物理学方法

原文标题： Shannon entropy: an econophysical approach to cryptocurrency portfolios

地址： http://arxiv.org/abs/2210.02633

作者： Noe Rodriguez-Rodriguez, Octavio Miramontes

摘要： 加密货币市场因其新颖性、广泛的在线可用性、不断增加的资本化和潜在利润而吸引了全球投资者的许多兴趣。在经济物理学传统中，我们展示了许多最可用的加密货币的回报统计数据不遵循高斯分布，而是遵循重尾分布。还应用了熵测度，表明投资组合多样化是降低回报不确定性的合理做法。

社区作为模糊算子：社区检测算法的关键启发式的认识论问题

原文标题： Communities as Vague Operators: Epistemological Questions for a Critical Heuristics of Community Detection Algorithms

地址： http://arxiv.org/abs/2210.02753

作者： Dominik Schindler, Matthew Fuller

摘要： 在本文中，我们旨在分析网络科学中被称为“社区”的节点和边模式的性质和认知后果。追踪这些是多方面的和矛盾的，我们建议将社区的概念描述为与 Susan Leigh Star 的边界对象概念相关但更松散的“模糊算子”，如提示的集合，并建议构建的能力在符号学、技术和社会方面，既模糊又超精确的不同刻面模式是数字政治和“社区”分析的核心。用从数学和软件研究中得出的术语来处理这些结构，可以更广泛地映射它们的结构。解开网络科学中的不同谱系，然后我们可以将 Michelle Girvan 和 Mark Newman 在 2002 年推广的“社区”的创始帐户置于上下文中。在研究了一种特定的社区检测算法，即所谓的“Louvain 算法”之后，我们评论了与他们的一些比较模棱两可的应用。我们认为，“社区”可以作为一种真正的抽象，具有重塑社会关系的能力，例如在社交网站中产生回声室。为了重新设计社区检测的认识论术语，我们利用网络科学文献中的辩论和命题来想象一种包含偏颇性、认知谦虚、反身性和人工性的“批判性启发式”。

揭示图对比学习中的结构公平性

原文标题： Uncovering the Structural Fairness in Graph Contrastive Learning

地址： http://arxiv.org/abs/2210.03011

作者： Ruijia Wang, Xiao Wang, Chuan Shi, Le Song

摘要： 最近的研究表明，图卷积网络（GCN）对于低度节点的性能通常较差，对于现实世界中普遍存在的具有长尾度分布的图表现出所谓的结构不公平性。图对比学习 (GCL) 结合了 GCN 和对比学习的强大功能，已成为一种很有前途的自我监督学习节点表示的方法。协鑫在结构公平方面的表现如何？令人惊讶的是，我们发现通过 GCL 方法获得的表示在程度偏差方面已经比 GCN 学习的更公平。我们从理论上表明，这种公平源于 GCL 的社区内集中和社区间分散特性，导致社区结构非常清晰，以驱使低度节点远离社区边界。基于我们的理论分析，我们进一步设计了一种新的图增强方法，称为 GRAph 度偏差对比学习（GRADE），它将不同的策略应用于低度和高度节点。对各种基准和评估协议的广泛实验验证了所提出方法的有效性。

三态意见模型的均衡与动态

原文标题： Equilibrium and dynamics of a three-state opinion model

地址： http://arxiv.org/abs/2210.03054

作者： Irene Ferri, Albert Díaz-Guilera, Matteo Palassini

摘要： 我们引入了一个三态模型来研究中立党对舆论传播的影响，其中主体人与邻居达成一致的倾向可以调整为偏向中立党或两个相反极化的党派，并且可以被社会激动被模仿为温度。我们使用各种分析方法和蒙特卡罗模拟在不同的基板上研究模型的平衡相图和非平衡随机动力学：全连接 (FC) 图、一维 (1D) 链和 Erd “os-R’enyi (ER) 随机图。我们表明，在平均场近似中，无序相和极化相之间的相界以三临界点为特征。在 FC 图上，在没有社会激动，动力学障碍阻止系统达成最佳共识。在一维链上，主要结果是动态由意见簇的增长控制。最后，对于 ER 集成，类似于 FC 图的相变需要地方，但现在系统能够在低温下达成最佳共识，除非平均连通性低，在这种情况下，动态陷阱是由局部冻结配置产生的。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在公众号“网络科学研究速递”（netsci）和个人博客进行同步更新。

一、如何在arxiv上发论文

你需要一个发文认可。能够给你认可的人必须在arxiv上你所在的领域里发表一定的论文。最简单的办法是随便找一篇论文，尽如摘要页面，看看“Which of these authors are endorsers”这句话链接的页面，你会很容易找到的。你最好能从你熟悉的人中间找到一个确认人，不认识也没有关系只要你能够让他认可你的专业背景，肯通过你即可。然后一旦你想要发出你的第一篇论文，填写完表单后arxiv就会自动的给你的邮箱发一封邮件，包含确认表单的链接。你只需要把这个邮件转发给确认人让他帮你确认即可。
一旦收到确认信，你就可以在arxiv你所属的分类下贴论文了。按照arxiv的说明，论文贴出来后如果要修改，一定不能另外重复贴论文，而是要替换。另外，论文公布后，你也可以为论文添加所属的分类，但千万不要在别的类别下又发一次论文。按照arxiv的说明，如果你的论文是用TeX写的，最好是提交源文件。不过我也看到过只有PDF文件的论文，而微软的Word文件是不支持的。
望采纳哦！

二、这该怎么做？高数求解

大家都知道，AI (神经网络) 连加减法这样的简单算术都做不好：

可现在，AI已经懂得微积分，把魔爪伸向你最爱的高数了。 它不光会求不定积分：

还能解常微分方程：
一阶二阶都可以。
这是Facebook发表的新模型，1秒给出的答案，超越了Mathematica和Matlab这两只付费数学软件30秒的成绩。 团队说，这是Seq2Seq和Transformer搭配食用的结果。 用自然语言处理 (NLP) 的方法来理解数学，果然行得通。 这项成果，已经在推特上获得了1700赞。许多小伙伴表示惊奇，比如： “感谢你们！在我原本的想象中，这完全是不可能的！”
而且，据说算法很快就要开源了：
到时候让付费软件怎么办？
巨大数据集的生成姿势要训练模型做微积分题目，最重要的前提就是要有大大大的数据集。 这里有，积分数据集和常微分方程数据集的制造方法：函数，和它的积分首先，就是要做出“一个函数&它的微分”这样的数据对。团队用了三种方法： 第一种是正向生成 (Fwd) ，指生成随机函数 (最多n个运算符) ，再用现成的工具求积分。把工具求不出的函数扔掉。 第二种是反向生成 (Bwd) ，指生成随机函数，再对函数求导。填补了第一种方法收集不到的一些函数，因为就算工具求不出积分，也一定可以求导。 第三种是用了分部积分的反向生成 (Ibp) 。前面的反向生成有个问题，就是不太可能覆盖到f(x)=x3sin(x)的积分： F(x)=-x3cos(x)+3x2sin(x)+6xcos(x)-6sin(x) 因为这个函数太长了，随机生成很难做到。 另外，反向生成的产物，大多会是函数的积分比函数要短，正向生成则相反。 为了解决这个问题，团队用了分部积分：生成两个随机函数F和G，分别算出导数f和g。 如果fG已经出现在前两种方法得到的训练集里，它的积分就是已知，可以用来求出Fg： ∫Fg=FG-∫fG 反过来也可以，如果Fg已经在训练集里，就用它的积分求出fG。 每求出一个新函数的积分，就把它加入训练集。 如果fG和Fg都不在训练集里，就重新生成一对F和G。 如此一来，不借助外部的积分工具，也能轻松得到x10sin(x)这样的函数了。一阶常微分方程，和它的解从一个二元函数F(x,y)说起。 有个方程F(x,y)=c，可对y求解得到y=f(x,c)。就是说有一个二元函数f，对任意x和c都满足：
再对x求导，就得到一个微分方程：
fc表示从x到f(x,c)的映射，也就是这个微分方程的解。 这样，对于任何的常数c，fc都是一阶微分方程的解。 把fc替换回y，就有了整洁的微分方程：
这样一来，想做出“一阶常微分方程&解”的成对数据集，只要生成一个f(x,c)，对c有解的那种，再找出它满足的微分方程F就可以了，比如：
二阶常微分方程，和它的解二阶的原理，是从一阶那里扩展来的，只要把f(x,c)变成f(x,c1,c2) ，对c2有解。 微分方程F要满足：
把它对x求导，会得到：
fc1,c2表示，从x到f(x,c1,c2)的映射。 如果这个方程对c1有解，就可以推出另外一个三元函数G，它对任意x都满足：
再对x求导，就会得到：
最后，整理出清爽的微分方程：
它的解就是fc1,c2。 至于生成过程，举个例子：
现在，求积分和求解微分方程两个训练集都有了。那么问题也来了，AI要怎么理解这些复杂的式子，然后学会求解方法呢？
将数学视作自然语言积分方程和微分方程，都可以视作将一个表达式转换为另一个表达式，研究人员认为，这是机器翻译的一个特殊实例，可以用NLP的方法来解决。 第一步，是将数学表达式以树的形式表示。 运算符和函数为内部节点，数字、常数和变量等为叶子节点。 比如 3x^2 + cos(2x) - 1 就可以表示为：
再举一个复杂一点的例子，这样一个偏微分表达式：
用树的形式表示，就是：
采用树的形式，就能消除运算顺序的歧义，照顾优先级和关联性，并且省去了括号。在没有空格、标点符号、多余的括号这样的无意义符号的情况下，不同的表达式会生成不同的树。表达式和树之间是一一对应的。 第二步，引入seq2seq模型。 seq2seq模型具有两种重要特性： 输入和输出序列都可以具有任意长度，并且长度可以不同。 输入序列和输出序列中的字词不需要一一对应。 因此，seq2seq模型非常适合求解微积分的问题。 使用seq2seq模型生成树，首先，要将树映射到序列。 使用前缀表示法，将每个父节点写在其子节点之前，从左至右列出。 比如 2 + 3 * (5 + 2)，表示为树是：
表示为序列就是 [+ 2 * 3 + 5 2]。 树和前缀序列之间也是一一映射的。 第三步，生成随机表达式。 要创建训练数据，就需要生成随机数学表达式。前文已经介绍了数据集的生成策略，这里着重讲一下生成随机表达式的算法。 使用n个内部节点对表达式进行统一采样并非易事。比如递归这样的方法，就会倾向于生成深树而非宽树，偏左树而非偏右树，实际上是无法以相同的概率生成不同种类的树的。 所以，以随机二叉树为例，具体的方法是：从一个空的根节点开始，在每一步中确定下一个内部节点在空节点中的位置。重复进行直到所有内部节点都被分配为止。
不过，在通常情况下，数学表达式树不一定是二叉树，内部节点可能只有1个子节点。如此，就要考虑根节点和下一内部节点参数数量的二维概率分布，记作 L(e,n)。
接下来，就是对随机树进行采样，从可能的运算符和整数、变量、常量列表中随机选择内部节点及叶子节点来对树进行“装饰”。 最后，计算表达式的数量。 经由前面的步骤，可以看出，表达式实际上是由一组有限的变量、常量、整数和一系列运算符组成的。 于是，问题可以概括成： 最多包含n个内部节点的树 一组p1个一元运算符（如cos，sin，exp，log） 一组p2个二进制运算符（如+，-，×，pow） 一组L个叶子值，其中包含变量（如x，y，z），常量（如e，π），整数（如 {-10，…，10}） 如果p1 = 0，则表达式用二叉树表示。 这样，具有n个内部节点的二叉树恰好具有n + 1个叶子节点。每个节点和叶子可以分别取p1和L个不同的值。 具有n个二进制运算符的表达式数量就可以表示为：
如果p1 > 0，表达式数量则为：
可以观察到，叶子节点和二元运算符的数量会明显影响问题空间的大小。
△不同数目运算符和叶子节点的表达式数量
胜过商业软件实验中，研究人员训练seq2seq模型预测给定问题的解决方案。采用的模型，是8个注意力头（attention head），6层，512维的Transformer模型。 研究人员在一个拥有5000个方程的数据集中，对模型求解微积分方程的准确率进行了评估。 结果表明，对于微分方程，波束搜索解码能大大提高模型的准确率。
而与最先进的商业科学计算软件相比，新模型不仅更快，准确率也更高。
在包含500个方程的测试集上，商业软件中表现最好的是Mathematica。 比如，在一阶微分方程中，与使用贪婪搜索解码算法（集束大小为1）的新模型相比，Mathematica不落下风，但新方法通常1秒以内就能解完方程，Mathematica的解题时间要长的多（限制时间30s，若超过30s则视作没有得到解）。
而当新方法进行大小为50的波束搜索时，模型准确率就从81.2%提升到了97%，远胜于Mathematica（77.2%） 并且，在某一些Mathematica和Matlab无力解决的问题上，新模型都给出了有效解。
△商业科学计算软件没有找到解的方程
邀请AI参加IMO这个会解微积分的AI一登场，就吸引了众多网友的目光，引发热烈讨论。网友们纷纷称赞：鹅妹子嘤。 有网友这样说道： 这篇论文超级有趣的地方在于，它有可能解决复杂度比积分要高得高得高得多的问题。
还有网友认为，这项研究太酷了，该模型能够归纳和整合一些sympy无法实现的功能。
不过，也有网友认为，在与Mathematica的对比上，研究人员的实验设定显得不够严谨。 默认设置下，Mathematica是在复数域中进行计算的，这会增加其操作的难度。但作者把包含复数系数的表达式视作“无效”。所以他们在使用Mathematica的时候将设置调整为实数域了？

我很好奇Mathematica是否可以解决该系统无法解决的问题。 30s的限制时间对于计算机代数系统有点武断了。
但总之，面对越来越机智的AI，已经有人发起了挑战赛，邀请AI挑战IMO金牌。
Facebook AI研究院出品 这篇论文有两位共同一作。 Guillaume Lample，来自法国布雷斯特，是Facebook AI研究院、皮埃尔和玛丽·居里大学在读博士。他曾于巴黎综合理工学院和CMU分别获得数学与计算机科学和人工智能硕士学位。 2014年进入Facebook实习。 Franois Charton，Facebook AI研究院的客座企业家（Visiting entrepreneur），主要研究方向是数学和因果关系。
传送门
————
编辑 ∑Gemini
来源：新浪科技

三、本科毕业论文写作全攻略

本科毕业论文写作全攻略

　　毕业设计和毕业论文是本科生培养方案中的重要环节。学生通过毕业论文，综合性地运用几年内所学知识去分析、解决一个问题，在作毕业论文的过程中，所学知识得到梳理和运用，它既是一次检阅，又是一次锻炼。不少学生在作完毕业设计后，感到自己的实践动手、文字表达能力得到锻炼，增强了即将跨入社会去竞争、去创造的自信心。通过我的讲解，希望能对同学们做毕业论文有所帮助。

　　1.论文类型

　　不同的院系，不同的专业，毕业论文通常有不同的类型。就物信系物理类师范本科而言，毕业论文通常有下面几种类型：

　　1.1 理论型论文 经过文献调研后，对物理学某一领域的某一理论问题有一定见解，产生出一个题目(课题)，利用自己所学的专业知识和数学工具，得出一个(些)有用(或者有潜在的价值)的结论。例如：解决了一个众所周知的问题;纠正了某些流行教材或杂志上理论的错误且提出了解决修正方案;或自己提出有意义的模型、定义、定理或命题等，最后形成论文。

　　1.2 实验型论文 对某进行改进或新设计实验，比如更换了测量原理，改进了测量方法，使测量精度更高，测量手段更方便更科学等，最后形成论文。

　　1.3 应用型产品 严格说来这算毕业设计。主要依据所学的知识，开发一个新产品或已有产品的改进。最后形成的开发报告加上所开发的样品即为毕业设计的结果。

　　1.4 软件产品 完成一个不太大的实际项目或在某一个较大的项目中设计并完成一个模块(如应用软件、工具软件及CAI课件等)，然后以工程项目总结或科研报告、或已发表的论文的综合扩展等形式完成论文。

　　就物理类本科毕业论文的几种类型而言，前两种类型最为常见。

　　2.选题

　　2.1 有科研项目的老师通常愿意从项目中选取本科生能完成的模块，交给学生作，然后以第一种形式写成论文。教师熟悉项目，项目有实用背景，一般而言，多数学生经过努力都能完成。

　　2.2 学生自选题目，学生自己的知识或对一些问题有自己独到的看法和理解;有些学生已联系好毕业后的工作单位，工作单位要求学生作某方面的项目，或已交给学生某方面的项目，经过指导教师认可，认为可做出合格的毕业论文，则可作这方面题目。这种方式下，学生积极性高，责任心较强，学以致用，一般论文的质量较好且成文后篇幅较大。

　　2.3 教师根据需求，拟定题目。例如，为了教学或者行政的需要而开发的信息管理系统、防黄防黑系统等，可能开始做出的软件还不很完善，但有了雏形，经过修改后，一般是能够应用的。有的系统经过下一届本科生毕业实习的改进，就可能更实用了，一些对路的、有用户的软件还有可能进一步发展为产品。

　　同学们最好自己能够拟定毕业论文题目，如果自己无法选题，则只有指导教师帮忙拟定题目。

　　3. 文献调研

　　依据各自毕业论文选题的不同，在搜集整理论文的素材、组织安排论文的结构方面，应有所不同，做到有的放矢。实际上论文选题与文献调研是交叉进行的，它们之间是互相影响的，论文选题可以在文献调研的基础上修正，文献调研可促使你更准确地选题。

　　文献调研注意以下几个方面的问题：

　　1) 关注背景关注内容--别人进行某方面的研究，内容到了什么层次?你能否对该研究作一些推进?

　　2) 关注手段关注方法--已有的研究采用了什么方法?该方法是否还可以更新?是否可以把该方法移植到其它方面?比如实验论文的实验方法和手段，理论型论文的数学方法等。

　　3) 关注时间--有时这比较重要，你查的文献越新，越接近目前研究的现状。

　　文献调研的一些方法：如何找到文章的闪光点?

　　先看题目和关键词，感兴趣后再看文章的摘要，然后关注全文，有必要时要仔细研读，一般来说，做毕业论文时至少要仔细研读10篇以上的参考文献(包括经典著作和外文文献)。

　　传统方法：到图书馆去，查阅教材，专著，期刊，各种论文集(包括本科、硕、博毕业论文集)等，将查得的文章复印，然后仔细研读;

　　电子方法：首先要学会利用关键词进行检索。关键词的选取非常重要，依据习惯，可以采用先小后大、也可以采用先大后小的`方式逐渐找到自己需要的东西。

　　网上可以利用的资源

　　免费的公开的：各大搜索引擎，比如：网易，搜狐，新浪，AOL(美国在线)，YAHOO(雅虎)等。

　　专业网站：一般是要收费的。比如：中国期刊网(CNKI)-我校正在试用，在给定的IP范围内用户名和密码均为syyx，万方数据，维普资讯-我校已经购买其镜像。还有就是科研单位网站(比如中科院的各个所)，大学网站(图书馆及学报)，个人学术网站等。

　　几个推荐网站：

　　维普资讯：校园网内电脑可以由学校数字图书馆直接进入其镜像网站，可以下载全文。

　　万方数据：英文网站，包括的内容非常广泛，有物理、数学、非线性科学、计算机科学及数量生物学等。就物理而言，其内容也包罗万象。文章可以全文免费下载，一般下载PDF格式，其它的格式你们不知道怎么阅读。

　　另外还有专业的著名网站，比如：(美国物理学会-非常专业的物理评论-Physical Review、物理评论快报-Physical Review Letter在此)，(美国物理研究所，上面在多种物理杂志，比如：今日物理-Physical Today，数学物理通报-Math. Phys. Lett.)。

　　4. 论文格式及目录系统

　　每个作者有自己的风格，格式不必强求一致，但科技论文不能象写小说剧本那样，一般不能用倒叙，插叙，不设悬念，不用意识流，多线索方式等。一般格式如下：

　　题目(封面)

　　扉页

　　摘要(中英文，300-1000字)

　　关键词(3-5个，方便别人检索和分类，关键词要能够体现论文的中心)

　　目录(目录可以用Word的自动功能，“插入—索引和目录”功能实现，可自动编页自动更新)

　　正文部分

　　1.前言、引言或导言(背景，动机，前人工作)

　　1.1

　　1.1.1

　　(1)

　　(a)

　　1. 2

　　(在这一部分要突出自己文献调研所读过的资料，可以看出你对本研究到底了解有多少)

　　2.选题的特色，拟采用什么方法、方案和手段解决什么问题。

　　3.题目的研究过程(实验，数学手段等，一定要详细，具体，而且要求准确无差错)

　　4.结论，分析与讨论

　　5.结束语(全文的总结，有时题目比较单一时，这部分内容包含在第4项中，此时该部分可以省略)

　　参考文献

　　附录(比如：你在读本期间发表的论文，在什么学术会议上发表了什么文章等能够证明你学术水平的东东)

　　致谢(你可以在此处对你论文写作提供了帮助的人提出感谢)

　　5. 写作技巧和注意事项

　　5.1 学术论文要求文字流畅，层次清晰，词藻不能过分华丽，即便你想写得生动，但用词的前提是准确不过分夸张。

　　5.2 标题要能反映内容。如有新意更好。例如，下面题目是个不好的题目：“原子物理中某些问题的研究”，论防火墙技术”等，其中的“某些问题”不如换成最中心的词汇。论防火墙技术题目太大太泛，根本不适合本科生作，那是写专著的题目。

　　5.3 学术刊物上论文摘要一般300字左右，需要较高的综合能力。而学生毕业论文摘要原则上占一页(1000字左右)，因此活动空间较大，要好写一些。

　　摘要可以在全文写完后再写。要简明。实际上摘要都是在全文写完后再写的。

　　中英文摘要应一致，要突出自己的工作，要提供几个key words。

　　写英文摘要时，可先用英文的习惯和用语写摘要(可以借助于电子词典)，然后英译汉,用中文摘要去将就英文摘要。反过来，如果先写好中文摘要，再汉译英，则很难把英文摘要写得地道。

　　为了使得英文表达地道、准确，可以读十几篇相关研究方向的论文的摘要，注意一些表达词的使用。

　　平行的内容宜用平行的句型。不要搞成一句主动，一句被动，读起来语感会非常糟糕。

　　5.4 前言部分要写问题背景，动机，要说明自己工作的工作有用，有意义(才能鼓励读者读下去)，通常在介绍国内外工作后，用“但是”一转，指出前人工作的不足，引出自己的工作。在前言中简述自己作的主要结果，(例如明确地列出几条，说明本文的主要工作，主要成果)。前言部分的末尾介绍文章的组织情况，各节内容。

　　5.5 突出特色，一个项目中工作很多，有些是同行皆知，自己也无创新的，可以略写，要多写自己遇到的特殊困难和创造的特殊解决方法。使人家读了能学到东西，看到作者的创意。为了突出特色，还可以在一节中分成小标题写，一个问题一小段，与计算机相关的论文中还可以把数据结构和程序片段夹叙夹议呈现出来，比只用汉字解释得更清楚。

　　5.6 上升到理论，一般硕士论文会要求这一点。如果本科生能够在毕业论文中得出有意义的定理或命题，一般会认为是好成果。可能会被推荐到杂志上发表，或在考研、求职中得到承认。

　　5.7 各部分应详略得当。 一般地，毕业论文应该主要写作者的见解和工作，把自己的创新写深写透。综述要有述有评有比较，一般地介绍相关工作(前人的成果)部分不应该超过总篇幅的1/6。

　　5.8 完整的论文应包括结果、结论及分析(图表或曲线)。

　　5.9 结论，小结。说明解决了什么问题，有什么创新，下一步工作主要内容和思路等。

　　6. 参考文献及引用

　　参考文献是论文写作中的重要一环，带着问题读文献或杂志上的论文，不但注意学习学术内容，同时也注意学习选题方法、格式、标准的套话、起承转合的语言和方式，参考文献的写法，字体的运用等等。在论文中明确给出参考文献的出处，既代表着对前人成果的继承，也代表了对他人研究成果的尊崇，是科学研究中应培养的正确的科学态度和做人准则。

　　参考文献的写法：按参考文献在论文中出现的顺序，用编码的方式给出，如[1]，[2]，等。参考文献包括专著、学术期刊、学术会议、技术报告等。

　　7. 怎样作答辩用PowerPoint

　　本科生毕业论文答辩时间一般10-30分钟，把自己的工作在15分钟内讲出来，是对综合能力、表达能力的挑战。这种能力在学生的一生中非常重要。(求职，面试，申请项目，总结等等)。作好PowerPoint幻灯片是答辩好的重要环节。一般有下列要点：

　　(1)每页8—10行字 或 一幅图。只列出要点，关键技术。

　　(2)毕业论文要突出自己的工作，不要在背景，前人工作上花过多时间。篇幅可以大致分配如下：

　　提纲：1页，

　　背景： 1—2页，

　　提出问题，分析问题：5页，

　　解决问题， 10—15页，

　　小结：1 页，主要成果，工作，程序量，效益等等。

　　(3) 演讲者 大约一分钟讲2页。听众一分钟可以看完4—5页。因此不能完全照着念。要用口语化的语言,讲演式的语言。

　　(4)充分利用图形，可以在较短时间内传递较多信息。

　　(5) 有些细节，如算法，可以全部用小字写在一页上，用红色标出特别重要的几个句子，讲解时可以快速"闪"过(20秒)，"算法如此页"，"要点是...",,讲思想，介绍方法，讲关键。听众可以在较短时间内了解大意。

　　(6) 10—15分钟的报告，准备20—22页 即可。

　　8. 时间表

　　第一周(2月29日前)：指导教师与被指导学生见面。

　　第二周(3月7日前)：完成指导学生选题工作。

　　第五周(3月28日前)：文献调研初步工作，完成开题任务，交开题报告书。

　　第九周(4月25日前)：文献调研，仔细研读，跟指导教师密切联系。

　　第十三周(5月16日前)：完成课题研究，写出论文初稿，交指导教师审阅。

　　第十四周(5月23日前)：指导教师返还修改论文，学生完成论文二稿。

　　第十五周(5月底前)：指导教师进一步指导存在问题的论文。

　　第十六周(6月6日前)：论文定稿、打印、装订，论文的最终版本交指导教师;制作PPT文稿，准备答辩。

　　第十七周(6月13日前)：指导教师(交叉)评审论文。

　　第十八周(6月20日前)：学生毕业论文答辩。

　　9. 本科论文附加要求、格式、字体规定

　　1.论文必须打印，A4纸。

　　2.论文字体与字号(如以后学校有字体标准，以学校规定为准)

　　字体：宋体

　　论文标题：3号，标题1：小3，标题2：4号，标题3：小4 标题加粗，

　　正文：小4，

　　参考文献：5号。

　　英文标题：小3，摘要正文：小4，字体 ：Times New Roman

　　3.封面使用规定的模板(以后学校有规定的，以学校规定的封面为准)。

　　4.答辩时，原则上要求作PowerPoint幻灯片。

　　10. 关于译文和文献综述

　　文献综述实际上是在引言中叙述，汉译英工作体现在中英文摘要中，所以建议同学们要认真读2-4篇英文论文，看看科技文献是如何使用英语的。不过，150-300字的翻译量不太大，同学们还可以利用先进技术(如电子词典)辅助翻译。所以问题应该不大。

　　附件：

　　1、本科毕业论文流程：选题à文献调研à开题报告书à文献研读论文写作à答辩

　　2、时间安排表

　　3、选题申报表(包括开题报告书)

　　4、论文封面及论文正文模板

　　6、学生毕业论文进度监控表

　　7、学生毕业论文评审答辩表

;