Итак, я сижу здесь, переписывая реферат статьи, которую я надеюсь представить в ближайшее время. Тезисы, которые у меня были, были старыми и не очень хорошими.
У меня есть достоверные сведения, что реферат является важной частью статьи, потому что часто именно он заставляет читателя более внимательно изучить статью.
Итак, как написать хороший реферат, который заставит людей присмотреться? Что включать и что не включать? Каковы распространенные ошибки, если таковые имеются, на которые следует обратить внимание?
В качестве примера, вот реферат, который я переписываю, в его нынешнем виде. Это для статьи по прикладной статистике. Не стесняйтесь критиковать.
Мы описываем и реализуем метод выбора байесовской модели для набора последовательностей ДНК. Этот метод предполагает, что последовательности ДНК генерируются на основе одной из моделей распределения определенного класса. Эти модели отражают структуру дальней корреляции между участками последовательностей ДНК. Мы выбираем модель из класса, используя алгоритм поиска с имитацией отжига с функцией оценки, основанной на априорном прогнозирующем распределении, соответствующем модели. Мы применяем этот метод для моделирования рекомбинационных сигнальных последовательностей человека и мыши (RSS). Мы используем апостериорное прогностическое распределение, соответствующее модели, чтобы предсказать, какая из большей группы последовательностей является RSS в контексте настройки перекрестной проверки.
ДОБАВЛЕНИЕ: Пожалуйста, прокомментируйте, существует ли стандартное ограничение длины тезисов в вашей области, если это не относится к конкретному журналу.
РЕДАКТИРОВАТЬ: Вот вторая попытка реферата. Это частично основано на обсуждении в How to Write an Abstract , которое представляет собой хорошее обсуждение основных моментов для размышления. Тизер результатов в конце немного неортодоксален, но он предназначен для того, чтобы побудить людей изучить статью поближе. @F'x, у тебя есть отзывы?
Учитывая специализированный набор последовательностей ДНК,
предсказать, какие члены большего набора
последовательностей ДНК принадлежат к этому набору, представляет интерес с биологической точки зрения. В этой статье мы рассматриваем
конкретные наборы примеров рекомбинационных сигнальных последовательностей (RSS).Проблемы такого рода обычно рассматриваются в биологической
литературе. Однако мы подходим к этой проблеме, выбирая
байесовскую модель для этого специализированного множества. Это подход, который
редко используется в данном контексте, но, как мы показываем, может дать хорошие результаты.Мы выбираем нашу модель из определенного класса моделей распределения. Эти модели отражают структуру дальней корреляции между участками последовательностей. Мы выбираем модель из класса, используя алгоритм поиска с имитацией отжига с функцией оценки, основанной на априорном прогнозирующем распределении модели. Мы применяем этот метод для моделирования рекомбинационных сигнальных последовательностей человека и мыши
(RSS). Мы используем апостериорное прогностическое распределение модели, чтобы
предсказать, какая из большей группы последовательностей является RSS в контексте
настройки перекрестной проверки. Подводим итоги прогноза
в цифровом и табличном виде, показывая хорошие результаты. Пример
статистики: из 700 000 последовательностей-кандидатов от 30 до 50 на самом деле являются
RSS. Алгоритм ранжирует их в порядке убывания по вероятности того, что
они являются RSS. Почти все RSS (90\%+) входят в топ-100.
Одна из вещей, которую часто упускают из виду, это то, что реферат читает более разнообразная группа людей, чем остальная часть вашей статьи. Итак, у вас есть три разные цели:
В настоящее время № 3 не является таким большим ограничением: Google и другие поисковые системы позволяют выполнять полнотекстовый поиск. Итак, сосредоточьтесь на пунктах 1 и 2: будьте краткими, кристально чистыми, привлекательными .
Хватит общих слов. Я люблю критиковать, поэтому я попробую: я не в вашей области, что, я думаю, делает меня хорошим тестовым читателем для вашего реферата, но также затрудняет мне реальное предложение реальных изменений к нему. В любом случае…
Думаю, достойно: без катастрофы, но далеко не восторженно. Мой главный комментарий будет заключаться в том, что в нем отсутствует четкое изложение более широкой проблемы, которую вы пытаетесь решить. Вы можете начать с него, что-то вроде:
За последние несколько лет произошли большие успехи в статистическом моделировании последовательностей ДНК, в основном на основе генетических алгоритмов. В этой работе мы исследуем эффективность альтернативного и более простого маршрута и покажем, как эффективно выбирать в классе моделей распределения.
Я заполнил полуслучайными ключевыми словами / модными словечками, просто чтобы дать вам представление о том, как этого добиться. Идея состоит в том, чтобы представить свои выводы в перспективе:
Затем обрежьте остальную часть текста:
Мы демонстрируем метод выбора байесовской модели для набора последовательностей ДНК, созданных на основе специально выбранной модели распределения, отражающей структуру корреляции дальнего действия. Мы выбираем модель на основе ее априорного прогностического распределения. Применяя этот метод для моделирования рекомбинационных сигнальных последовательностей человека и мыши (RSS), мы прогнозируем, какая из большей группы последовательностей является RSS в контексте настройки перекрестной проверки.
(Надеюсь, я не потерял и не предал какой-то смысл, это тяжело, когда не понимаешь тонкостей текста... но идею все равно понимаешь!)
Питер Янссон
Фахим Мита
JRN