1. 摘要
1.1 背景
1.2 挑战
1.3 提出新方法
1.4 贡献
2. 引言
2.1 背景（引出问题）
①介绍大背景：
② 应用场景：
③ 介绍主题：
2.2 引出挑战
一般用图表来展现出我们的挑战（直观，解决什么问题）
①引出本文的挑战：
②挑战1：
③挑战2：
④示例：
2.3 目前研究概况
滤清这个领域发展脉络，最后点出当前存在的不足之处
①介绍。。。。研究方法：
②介绍。。。。研究方法：
③介绍。。。。研究方法：某某等人研究了。。。但仅限于无向图
2.4 提出方法
总-分或者==分-总（从小模块—→我们的大模型）==模式介绍引入的方法（针对以上问题，提出了××方法）
①。。。。方法：
②。。。。建模：
③引出本文模型。。。。：
2.5 贡献总结
①提出。。。卷积：
②提出。。。方法：
③实验效果：
3. 相关工作
经典论文：发展脉络非常清楚
3.1 交通预测
第一部分：你的研究问题的发展历程（这个问题的发展过程，发展过程中所使用的一系列的研究方法）
①介绍交通预测：
②数据驱动方法：
③现有方法的限制：
④深度学习方法：
3.2 图卷积神经网络
第二部分：你本文所提出的模型算法的一个发展历程，例如你本文使用了一个图卷积或者Transformer，就要详细介绍一下这两个算法的发展历程
①GCN的诞生：
②ChebNet简介及其应用：
③ChebNet的局限性：
④节点域方法介绍：
⑤节点域方法的局限性：
3.3 DCRNN与上述方法的区别
相关方法的最后一段/句：通过这些方法的缺点，来引出我们的方法，并介绍我们方法的一个特点/不同之处
①图构造的区别：
②图卷积的区别：
4. 预先准备
主要介绍研究问题，输入的信息有哪些？输出是什么？
首先，明确模型的输入和输出以及明确一些符号的表示
5. 方法
首先，介绍模型的一个整体架构，包含哪几个模块，再简单介绍这几个模块
穿插数据的一个计算流程→→介绍一个总的架构→→分别介绍每一个独立的模块
首先介绍一个独立的建模（第一部分：空间依赖性建模——涉及复杂原理；第二部分：实现依赖性建模；最后对DCRNN进行一个总的概括）
5.1 空间相关性建模
5.2 时间动力学建模
5.3 计划采样策略
5.4 DCRNN总结
6. 实验
6.1 数据集
①数据集：
②标准化：
③数据集分割：
6.2 实验设置
实验中模型的一些参数设置问题
①模型的层数，隐藏单元：
②初始学习率，epoch数量：
6.3 总体实验结果对比
总体性能比较，消融研究，参数研究或案例研究等
总体性能比较：
①实验内容：
②从基于RNN的时间依赖建模方面阐述：
③从基于××建模方面阐述：
④分析原因：
7. 结论
①主题：首先描述在一个什么样的背景下，我们来研究这个问题呢
②贡献：我们提出了一个什么样的方法
③贡献：怎么做的
④实验：做的程度怎么样（模型的一个效果）
⑤展望未来：还有一些什么没解决掉的问题，或者在哪一方面我们还能再进一步（可以用到什么领域中，还有什么不足之处）
8.附录
相关工作：积累该文的句子，了解当前领域，以便在以后的领域中或者了解当前算法的一个发展脉络（引言或相关工作最难写）
明确每一句话/段，每张图/表的一个意义
论文整体架构：
1) 摘要：背景-挑战-方法-贡献
全篇论文的精髓→→摘要→→取决于审稿人看下去的动力
2）引言：背景-挑战-研究现状-提出新方法-贡献，更像是一个大号摘要，多了研究现状，但研究现状要跟相关工作区分开，他只是简单描述了一下这个领域的发展脉络。而相关工作更加细致一些。
3）相关工作：从研究问题和核心算法两个部分展开，“针对问题-提出方法-存在不足”以此循环开展。××针对这个问题提出了什么方法，有解决了什么问题，但他还存在什么不足。（最后一句，一定要写他们的不足，以此来引入我们的方法）
4）预先准备：明确模型的输入和输出
5）方法部分： 总分结构，模型的一个大概计算流程，每个组件的一个大概功能（每个独立组件中：动机+方法+公式表达+解释公式）
6）实验部分：数据集+实验设置（参数）+每一个具体实验（实验内容+实验结果描述+分析产生原因）
7)结论：背景-方法-效果-展望未来（一句话描述我们的不足/未来要去做什么）
