論文格式及樣例

1、論文格式及樣例論文要求頁面為16k(18.4cm x 26cm)，左邊距為2.35cm，右邊距為2.35cm，上邊距為2.5 cm，下邊距為2.5 cm ，每行中的字符數(shù)為40個(gè)，每頁中的行數(shù)為40行。1中文題目、作者信息和摘要1.1 題目（小三號(hào)宋體加粗，居中）1.2 作者中文姓名（小四號(hào)楷體，居中）1.3 作者單位 地址 郵政編碼（小五號(hào)宋體，居中）1.4 摘要（不超過300字，左對(duì)齊，小五號(hào)揩體，“摘要”二字宋體加粗）1.5 關(guān)鍵詞（不超過5個(gè)，左對(duì)齊，小五號(hào)揩體，“關(guān)鍵詞”三字宋體加粗）2. 英文題目、英文作者信息和英文摘要2.1 題目（小三號(hào)Times New Roman加粗，居中）

2、2.2 作者英文姓名（小四號(hào)Times New Roman，居中）2.3 作者單位 地址 郵政編碼（小五號(hào)Times New Roman斜體，居中）2.4 摘要（不超過300詞，小五號(hào)Times New Roman，左對(duì)齊）2.5 關(guān)鍵詞（不超過5個(gè)，小五號(hào)Times New Roman，左對(duì)齊）3. 正文3.1 標(biāo)題（各級(jí)標(biāo)題均頂左端排版，標(biāo)題編號(hào)用阿拉伯?dāng)?shù)字按杜威表示法）一級(jí)標(biāo)題用四號(hào)宋體加粗（段前空6磅），二級(jí)標(biāo)題用小四宋體加粗（段前空4磅），三級(jí)標(biāo)題用五號(hào)宋體加粗（段前空2磅）。最好不要用三號(hào)及更小的標(biāo)題。3.2 正文（五號(hào)宋體，單倍行距，每段段前空兩個(gè)中文字）4. 圖表4.1 線圖線

3、圖：請(qǐng)根據(jù)圖線的復(fù)雜度進(jìn)行恰當(dāng)縮放，以能夠表示清楚又節(jié)省篇幅為原則。圖線：圖線有主副線之分。主線用粗線，如函數(shù)曲線（或器件符號(hào)輪廓線）；副線用細(xì)線，如坐標(biāo)軸線、指示線等。粗線寬0.25-0.5 mm, 細(xì)線一般為粗線的二分之一。圖中所用文字字號(hào)（最后印出字號(hào)）：圖題用小五號(hào)宋體。圖中其它文字、符號(hào)、數(shù)碼及說明文字一般用六號(hào)宋體。4.2 表用三線表。細(xì)線叫正線，粗線叫反線，粗線是細(xì)線的兩倍粗4.2.1字號(hào)、字體表題和表序用小五號(hào)黑體，表頭上方單位用小五號(hào)宋體，表內(nèi)文字和標(biāo)注用六號(hào)宋體。4.2.2 表頭a. 表題與表序。表序置于表題前，“表”字與序數(shù)之間適當(dāng)空開，表序與標(biāo)題之間空一個(gè)字距，居中排，

4、題末不加標(biāo)點(diǎn)符號(hào)。標(biāo)題太長(zhǎng)可回行，回行文應(yīng)左右居中。b. 單位。全表共用單位可加括號(hào)編排在表題后，上反線右上方距右端頭兩個(gè)字距的位置；表題中夾注“%”、“斤/畝”等與“米”、“C”、“安”等單位時(shí)，單位后文字與單位之間用逗號(hào)分開，夾注單位用白宋體。4.2.3 表身a. 項(xiàng)目欄。項(xiàng)目欄編排在表身的最上方或最左方，各欄寫明項(xiàng)目名稱。當(dāng)項(xiàng)目是物理量時(shí)用斜體外文符號(hào)表明量的名稱，用正體字母給出物理量的單位，量的名稱與單位之間用斜線“/”連接，如：“P/kPa”等。表的最下面一行如有“合計(jì)”、“平均”等項(xiàng)時(shí)，可在其上面加一條正線,，以示分隔。b. 說明欄。 說明欄依次排在“項(xiàng)目欄”的下方和右方。說明欄是

5、表格的主要內(nèi)容。一般有數(shù)字、文字、符號(hào)和線等。表內(nèi)數(shù)字對(duì)齊排，不能用“同上”、“同左”等。5. 首頁腳注注明受資助的基金等項(xiàng)目及其編號(hào)、作者簡(jiǎn)介（作者姓名、性別、出生年月、職稱與職務(wù)、學(xué)術(shù)職務(wù)、研究方向、通信地址（當(dāng)與作者單位不一致時(shí)）、電子郵件、電話、傳真等）。6. 參考文獻(xiàn)參考文獻(xiàn)（作者姓名，文章名，期刊雜志名，出版年月，期卷號(hào)，頁碼；書作者，著作名，出版社，出版年份。格式編排要求同正文）6.1 專著序號(hào) 空格 責(zé)任者. 書名.版本（第一版此項(xiàng)忽略）.出版地:出版者,出版年.文獻(xiàn)出處（頁碼）.示例：1 竺可幀.物候?qū)W.北京：科學(xué)出版社，1973.1-3.6.2 專著析出文獻(xiàn)序號(hào)空格 責(zé)任者

6、.文獻(xiàn)名.見（英文用 In）: 編者.論文集名(多卷為論文集名，卷號(hào)).出版地:出版者,出版年.文獻(xiàn)出處（頁碼）.示例：2 薛社普，周增樺，劉毅，等.C-醋酸棉酚在大鼠體內(nèi)藥物動(dòng)力學(xué)研究.見：薛社普，梁德才，劉裕主編.男用節(jié)育藥棉酚的實(shí)驗(yàn)研究.北京：人民衛(wèi)生出版社，1984.67.6.3期刊 序號(hào)空格作者.文題名（選項(xiàng)）. 刊名. 出版年份，卷期：頁碼示例： 1 陳雨思. 試論編輯學(xué)的研究對(duì)象. 編輯學(xué)報(bào)，1989，1（1）：2-6注：上述責(zé)任者指著者、編者、專利申請(qǐng)者或?qū)＠姓?，其中，?duì)單人著作采取姓在前名在后，名可用縮寫字母，縮寫名后不加“.”號(hào)；對(duì)多人著作，責(zé)任者不超過3人，多于3人只

7、著錄3人，后加“等”或“et al”，當(dāng)著者不明時(shí)，可注明“佚名”或“Anon”；對(duì)集體著者，同個(gè)人或多人著者；對(duì)翻譯著作，譯者排在書名項(xiàng)后面，版本前，其后用“.”與版本項(xiàng)隔開。7. 頁碼及頁眉頁腳由于統(tǒng)一排版的需要，頁碼和頁眉由我們統(tǒng)一加入。附：論文格式示例（見下頁）一種基于粗集的中文網(wǎng)頁分類方法本文得到國(guó)家自然科學(xué)基金與四川省青藍(lán)工程跨世紀(jì)人才基金資助。作者簡(jiǎn)介：張麗麗（1977），女，碩士生，主要研究方向?yàn)閿?shù)據(jù)挖掘，信息安全等，Email：lilizhang。彭偉（1961），男，副教授，主要研究方向?yàn)閿?shù)據(jù)挖掘，智能信息處理，信息安全等。張麗麗 彭偉（西南大學(xué)計(jì)算機(jī)學(xué)院 成都 61000

8、0）摘 要：本文針對(duì)網(wǎng)頁分類問題提出了一種結(jié)合粗集理論和貝葉斯分類器的方法。關(guān)鍵詞：中文網(wǎng)頁，網(wǎng)頁分類，粗集，貝葉斯分類器，屬性約簡(jiǎn)A Classification Method of Chinese Web PagesBased on Rough Set Zhang Lili Peng Wei(ComputerCollege, Xinan University, Chengdu 610000)Abstract: Pointing to the classification problem of Web pages, this paper proposes a classification a

9、lgorithm combining rough set and Bayes classifier. Key words: Chinese Web Pages, Web Classification, Rough Set,.1 引言網(wǎng)頁分類尤其是網(wǎng)頁文本的分類是Web挖掘的一個(gè)重要研究課題， 對(duì)文本分類問題中外學(xué)者進(jìn)行了大量研究，目前已形成了多種方法，如最鄰近分類1、2 粗集理論與知識(shí)約簡(jiǎn)粗集理論(Rough Set)是80年代由Pawlak提出的一種3 基于粗集和貝葉斯分類器的網(wǎng)頁分類網(wǎng)格要面對(duì)的是一個(gè)龐大的彼此異構(gòu)的資源服務(wù)群。因此，如何存儲(chǔ)這些服務(wù)，從而高效地按照網(wǎng)格用戶的需求找到適合的

10、服務(wù)3.1 特征詞處理與文本數(shù)據(jù)不同，網(wǎng)頁是結(jié)構(gòu)化或半結(jié)構(gòu)化的，網(wǎng)頁分類模型. 如何把異構(gòu)資源按需動(dòng)態(tài)地集成等問題就成為了網(wǎng)格亟待解決的重要問題。3.2 粗集處理該系統(tǒng)用篩選出的網(wǎng)頁特征詞向量構(gòu)成一個(gè)用于粗集約簡(jiǎn)前的決策表，其中特征詞為條件屬性，條件屬性值是經(jīng)過量化的詞頻，在本文試驗(yàn)中將詞頻量化為0至4等級(jí)，網(wǎng)頁類別為決策屬性，如表1。表 1 網(wǎng)頁分類的決策系統(tǒng)序號(hào)W1W2W3網(wǎng)頁120302423134000414215 結(jié)論基于粗集-貝葉斯的網(wǎng)頁分類方法，綜合考慮了屬性間的依賴性與關(guān)聯(lián)程度參考文獻(xiàn)1 Yang Y. Expert network: Effective and efficient learning from human decision in text categorization and retrieval. In: Proc. Seventeenth International