论文写作系列课程5-投稿期间

导师：John老师讲师简介：中国科学院大学博士研究生，曾在腾讯和微软亚洲研究院进行NLP相关的项目。在国际会议发表论文近20篇。5项专利，多次获得国家奖学金，科研学术竞赛top-3。科研论文写作系列课程投稿期间response书写NORTHWESTERNPOLYTECHNICALUNIVERSITY内容提要目录Contents如何进行Rebuttal

如何Response

回顾总结如何进行Rebuttal何为Rebuttal？--针对审稿人提出的问题进行回复，如果有错误的需要进行反驳Rebuttal（申辩）是在论文被审稿人打分之后，留给作者解释各种问题的一个步骤。审稿人会根据论文的情况给出评审意见并打分，作者则需要根据这些意见把论文存在的问题解释清楚Rebuttal的目的？--态度：不卑不亢；目的：提高论文的分数Rebuttal的重要性？--提高中稿率如何进行Rebuttal？--案例分析以2022IJCAI为例Rebuttal是解释审稿人的困惑、回答他们提出的问题、以及说服对方提高分数的机会。因此其内容也应该多以事实为主，而非主观评论。如何进行RebuttalRebuttal的心路历程选择1：分数高，那么恭喜，问题不会太大，如实回复即可。选择2：分数低，心情会发生巨大变化。阶段1：初读评审建议和分数的时候，会感到愤怒、失望、难受等情绪。这段时间内，建议最起码完整地快速地将评论读一遍，大致了解审稿人因为哪些点给了低分。阶段2：平和。对评审意见进行细品。尽管有许多在你看来非常弱智的评论，要忍住怒火理性地读完（一字一句读完）。1.弄清楚各个评审都说了什么，哪些重要，哪些不重要2.想办法解决他们提出来的问题阶段3：开始写！NORTHWESTERNPOLYTECHNICALUNIVERSITY内容提要目录Contents

如何进行Rebuttal

如何Response

回顾总结如何进行ResponseResponse和Rebuttal的区别？何为Response？大修，小修Response的目的？审稿人角度：MakeyourpaperbetterResponse的重要性？——在论文写的好的基础上，进行response进入下一阶段如何进行Response？——案例分析以2021KBS一区期刊为例如何进行ResponseResponse是对期刊当中审稿中给出的意见进行点对点的回复，并且满足审稿人的需求。只要期刊让你自己修改，你能够对审稿人提出的意见进行回复并且完善，那你就有很大可能概率会被接受。心态变化不会像Rebuttal那样大。因为你只需要去进行回复并且完善就可以了，论文还是有机会被接受的。但是Rebuttal不一样，是一锤子买卖。怎么写呢？案例分析以2021KBS一区期刊为例NORTHWESTERNPOLYTECHNICALUNIVERSITY内容提要目录Contents

如何进行Rebuttal

如何Response

回顾总结总结回顾总结Response和Rebuttal的意义Response和Rebuttal的区别Response和Rebuttal的重要性实战分析1.矩阵计算2.概率论、信息论神经网络基础知识一、神经网络与多层感知器

1.1人工神经元：MP模型1.2多层感知机1.3激活函数（sigmoid/tanh/relu）1.4反向传播（BP）：梯度下降，学习率1.5损失函数：MSE/CE；Softmax函数1.6权值初始化1.7正则化：L1、L2和Dropout；提及BN/GN/IN/LN二、卷积神经网络基础2.1卷积神经网络简介2.2卷积层2.3池化层2.4Lenet5三、循环神经网络3.1rnn循环神经网络3.2lstm长短记忆循环神经网络3.3gru门控循环单元NLP基础知识基本概念预备知识形式语言与自动机语料库与语言知识库语言模型概率图模型自动分词、命名实体识别与词性标注Python基础1.编程基础2.机器学习库数学基础PyTorch入门PyTorch简介及安PyTorch人名币分类PyTorch数据读取模块PyTorch数据增强PyTorchModule模块PyTorch常用网络层PyTorch损失函数PyTorch优化器OptimizerPyTorch可视化TensorBoardPyTorch实用技巧GPU/Finetune/保存加载学习路径NLPBaselineICLR2013，EfficientEstimationofWordRepresentationinVectorSpace，词向量扛鼎之作EMNLP2014，GloVe:GlobalVectorsforWordRepresentation，最著名的词向量训练模型之一EMNLP2015，Compositionalcharactermodelsforopenvocabularywordrepresentation，第一篇介绍字符嵌入EMNLP2014，ConvolutionalNeuralNetworkforSentenceClassification，CNN文本分类扛鼎之作NIPS2015，Character-levelConvolutionalNetworksforTextClassification，第一篇字符级别的文本分类EACL2017，BagofTricksforEfficientTextClassification，细粒度文本分类模型NIPS2014，SequencetoSequenceLearningwithNeuralNetworks，深度LSTM做神经机器翻译ICLR2015，NeuralMachineTranslationbyJointlyLearningtoAlignandTranslate，第一篇提出注意力机制的论文NAACL2016，HierarchicalAttentionNetworksforDocumentClassification，HanAttention用于文本分类Coling2018，SGM:SequenceGenerationModelforMulti-labelClassification，第一篇使用序列生成做多标签文本分类学习路径数学基础Python基础神经网络基础知识Pytorch快速入门图像基础NLP基础Step0：选修知识CV方向NLP方向10篇论文10篇论文Step1：BaselinePaperStep2：细分专题Paper语义分割；目标检测；GAN；OCR；轻量化网络信息抽取；预训练模型；图神经网络；句子匹配；机器翻译；注：根据个人学习基础，进入不同学习阶段学习路径Thanks！Morerelatedworkscanbeviewedas