ccfa论文是发表在推荐会刊。
各级期刊的“增刊、特刊、专刊、综合版、专辑”等上发表的论文，有期刊号的，包括列入北大核心期刊目录的刊物，以期刊主办单位确定为相应级别内部刊物折半计分。
下列情况一般不作为学术论文对待：与所从事专业技术工作非密切相关的文章，如评论、文摘、短篇报道、科普文章、文艺、新闻等作品，以及会议简报、动态、讲座等资料性质的材料；
刊号中含有H、HK等由香港出版发行且未被认定准许或不能确定是否准许在大陆公开发行的刊物。
论文级别
第一级－T类
特种刊物论文，指在《SCIENCE》和《NATURE》两本期刊上发表的论文。
第二级－A类：权威核心刊物论文，指被国际通用的SCIE、EI、ISTP、SSCI以及A&HCI检索系统所收录的论文（以中国科技信息研究所检索为准），或同一学科在国内具有权威影响的中文核心刊物上发表的论文，论文不含报道性综述、摘要、消息等。
第三级－B类
重要核心刊物论文，指在国外核心期刊上刊登的论文（见《国外科技核心期刊手册》）或在国内同一学科的中文核心期刊中具有重要影响的刊物上发表的论文。
第四级－C类
一般核心刊物论文，指《全国中文核心期刊要目总览?北大图书馆2004版》刊物上发表的论文。
第五级－D类
一般公开刊物论文，指在国内公开发行的刊物上（有期刊号“CN”“ISSN” ，有邮发代号）发表的论文。
第六级－E类
受限公开刊物论文，指在国内公开发行的但受发行限制的刊物上（仅有期刊号、无邮发代号）发表的论文。
投稿针对类型不同。会议论文是针对某学术会议投稿的，即发表在国内或国际学术会议上的论文。如果论文被学术会议的会务组决定录用，论文将在会议“论文集”上发表，同时也会被要求参加高端学术同行交流会，向学术界介绍你研究的发现。期刊论文是针对某学术期刊投稿的，即发在学术期刊上的论文。有学术性与非学术性之分。期刊论文主要会发在月刊/季刊/年刊/不定期地刊上。期刊论文录用后，投稿人只需等着出版即可。
一：阅读很多论文，从成功的和失败的两方面汲取经验。二：对您自己的论文越客观，最终的结果越好。三：优秀的编者和审者会客观对待您的论文。四：如果您英文写作不佳，提早补习，将受益终身。五：学会与退稿为伴。六：好的科学“元素”显而易见——新颖的研究主题，广泛的涉猎相关文献，好的数据，好的分析，包括强有力的统计学支持和发人深思讨论。好的科学报道其“元素”也显而易见——完美的结构、恰当的使用图表、适当的篇幅长度、为目标读者而写。切勿忽视这些显而易见的“元素”。七：当有解决问题的思想火花迸发时，就开始撰稿。八：在职业生涯之初就成为评阅人。九：提早决定去哪里发表论文。十：质量是一切。想发表找我吧
第一步. 调研、入门1. 确定一个感兴趣的大领域，比如分布式系统或者机器学习，或者深度神经网络。读这个领域经典算法和技术，也可以是几本比较好的书，读完然后再实践实践，动手加深理解。这个过程做完就算是初步入门了。2. 找该领域的顶级会议，比如系统领域的有OSDI、SOSP，机器学习的领域有ICML、CVPR，深度学习的有NIPS、ICLR等等，可以搜CCF会议推荐列表看各领域的顶会列表。然后看近几年这些顶会的论文，因为这代表了最新的研究热点，咱不是说一味的追热点啊，毕竟对于初学者没有足够的领域专业背景，追热点是最快的方法。因为热点往往是该领域最亟待解决的问题，往往是发展最快的小方向，也最容易产生新成果。如果是老问题，人家都研究十几年了，给你留下的待解决的问题就很少或者不是很重要。当然如果是有几十年经验的研究者就不必追热点，他们知道该领域哪些是fundamental的问题，哪些是最值得研究的问题。3. 读了这些前沿论文后，确定一个小方向，比如分布式系统是个大方向，小方向可能是机器学习分布式训练；大方向是深度学习，小方向可能就是graph embedding；大方向是机器学习，小方向可能是半监督学习等等。确定小方向的过程是个知识不断积累的过程，非常重要，这需要你对大方向有很多了解，对小方向有更深入更全面的理解，需要读好至少100篇以上论文，需要你知道该小方向的研究进展历史，这需要你知道该小方向别人都在哪方面做工作，做该小方向的顶级研究组都有哪些，他们正在干什么。第二步. 发现问题这步超级难，如果发现了个好问题，那就是成功的一半。这个问题最好是重要的、本质的、没有直观解决方法的。4. 确定小方向后，你需要阅读大量的这个小方向的论文和了解开源项目，再不断聚焦，再确定一个要改进和优化的小小方向，这个可能就是论文的主题。小小方向可能是机器学习分布式系统中的parameter server通信模型，可能是dynamic graph embedding等。然后就要更聚焦地读这方面的相关论文，这时候论文就比较少了，几篇到几十篇到几百篇都有可能，这些论文要精读，花几个月时间研究一篇论文也不为过。5. 挑几个重要的论文工作实现，也可以找开源的运行跑一跑试一试，idea往往从实际运行中来，光靠读是不行的。这个跑一跑可能需要你尝试不同的运行环境，不同的workload数据集，不同的应用场景等。比如，parameter server（PS）模型在本地集群上跑是不是和paper声明的一样、在异构的动态性极强的集群环境下效果怎么样、除了paper提到的算法处理其他算法的时候效果怎么样、除了paper提到的数据集换另外一类数据集怎么样；graph embedding方法处理密集图和稀疏图都怎么样，处理动态变化的图怎么样，等等吧。你要发现X方法仅在a环境下好用，在b环境不好用。这个就是发现问题的过程。当然，没经验的研究者可能很难想到多种环境、多种workload、多种应用场景，这就需要积累。另外一个发现问题的方法是从实际生产中来，这个当然是最好的，但是往往是大企业环境下才有这个条件。6. 确定你发现的问题还没有被解决。这又需要广泛的阅读和调研，但是问题已经很聚焦了，搜索也会很容易，用你特定问题的关键字在google 搜索（这里强烈建议用google，其他搜索引擎基本搜不到），找到解决相关问题的论文。看看这些论文是不是已经解决了该问题，如果解决了，你有两种方案：第一，该问题已经解决的非常好了，放弃解决该问题。第二，该问题的解决方案还有问题，我还有更好的办法。我建议后者，最起码尽量尝试尝试。5和6步是个迭代的过程…第三步. 分析问题7. 分析问题产生的本质原因。这个往往和第5步发现问题同时进行。这一步靠的是功底和积累，靠的是对问题的理解程度。理解的越深刻，分析的越透测，你之后产生的解决思路就越有可能正确和有效。比如分布式机器学习的PS模型在异构环境下、和在处理数据不均匀的情况下就不好，本质原因是其同步的集中式通信模型，造成PS集中服务器往往需要等待。传统graph embedding方法采用批处理模式，需要graph的全局信息做embedding，当然无法应付动态性非常强的局部更新情况。8. 基于分析，就是对该问题的深刻理解，产生改进的idea。这个可能很难，可能靠运气，但我觉得更多的是靠对问题的理解程度，理解的越深刻，本质原因抓的越准，就越可能产生创新idea。读过一本介绍google企业文化的书，google产品的成功，既不是靠技术能力，也不是靠用户需求，而是靠技术洞见（insight），这就是对问题本质的深刻理解。比如，PS模型在某环境下问题的本质原因是集中式的同步模型，那么我们就可以提出尝试异步通信的模型的idea。分析能力跟个人的批判性思维、独立思考能力都有关，而这正是中国人欠缺的，可以通过读有深刻见地的书籍文章、经常提问来锻炼。第四步. 解决问题9. 实现你的idea，做大量实验验证。这需要动手能力，需要编程能力，需要坐得住。10. 验证你的解决方案，根据实验分析不断优化你的方法。做了大量试验后，得到了若干结果，可能是不好的结果，但是不要一下子否定自己的解决方案，这不能说明你的idea不好用。一个好的方法往往经过千锤百炼，同样，你的idea通常不会一下子就成功。需要你根据实验结果分析不好的原因，然后基于你的理解改进方法，这是一个反复不断迭代的过程。比如，你发现异步PS模型效果还不如原来的呢。那么关键的是，你要问自己为什么？为什么理应提升的却没有提升？你要看实验运行的日志，看看是哪里慢了，差在哪里，最后你经过不断的实验、分析、思考，你发现了，你提出的异步PS模型虽然没有了等待开销，但是计算的有效性却降低了，结果整体性能反而下降了。那么你下一次迭代就要想怎么把这个计算有效性提上来。我又有了个方法，可以评估每次计算的有效性，然后把计算资源都投到有效性高的计算上。OK，idea不错，那么怎么评估有效性呢？不能开销太大，否则又得不偿失了，你可能想到了一种近似地评估方法。重新实现后，发现效果还不错。OK，恭喜你！你可以准备发论文了！整个研究过程，导师将起到关键的作用。导师可能会给你个问题，这是难能可贵的，基本帮你做了一半的事了，否则你可能需要花上一年时间找问题。然后整个研究过程，都是在导师的引导下进行，需要定期向导师汇报，与导师讨论idea和请导师分析实验结果。最好自己也要经常找同门讨论，而不是闭门造车。第五步. 撰写论文11. 设计你的论文，草拟论文的骨架。每一章都写啥，每一段都写啥，实验都做啥。论文的逻辑往往比语言重要的多，逻辑合理的论文更易读懂，即使咱华人有天生的英语语言缺陷，但是好的逻辑就可以弥补这个不足。写论文就和讲故事一样，怎么能把一个事说明白，不那么简单，甚至说很难，需要不断锻炼。写完给老师看，老师同意后进行下一步12. 写作论文。这个就是根据骨架填肉的过程，但是这一步也不简单，特别对于英语不好的同学，写出来的东西简直是不忍直视、不堪入目、毁人三观。最近上海某高校老师辱骂学生这事就是因为这个，我可以说，我每次看到学生论文也都是这个心情，给学生通宵改论文在家里一边改一边骂，但是当面对学生还是要以鼓励为主，要耐心，要耐心，要耐心，尽力压制自己的怒火，以平和的心态帮助学生提高，期望他下次能给个更好的版本。但是往往事与愿违，看淡点吧，仅求写作态度好点就行了，毕竟这不是一朝一夕能提高的，需要你不断积累。有几个写作的方法吧。第一，不要自己想当然，对于不确定的句型，用“”扩上上google搜，看看你这句型有多少人用过，如果没有几个人用，那就别用，换个写法。第二，读别人论文时，遇到好的句型就记下来，不断积累才能提高。第三，避免一切语法错误，我觉得这个是可以做到的，现在网上那么多工具都可以用。语法错误都避免不了那基本就是态度问题。遗憾的是，我很少遇到能避免语法错误的学生，我生气往往是因为态度问题，而不是能力问题。第四，尽量用短句用简单句子，别用长句。你写论文是为了让别人理解你的方法，不是写文艺作品，能说明白就行。13. 提炼总结，改进方法。写作的过程也是屡顺自己思路的过程，写作的过程中往往也能发现自己方法的漏洞，那么就要继续回到8，重新思考解决方案，又或者你发现需要补实验来支撑你的论点，那么就继续实现系统做实验，得到实验结果。14. 关于实验。怎么做实验是学生总问的问题，怎么做科学实验也是一个很重要的问题，有对照组、无偏的、定量的，这些都是科学实验的重要要素。如果有解决该问题的其他方法你首先要说明你的方法更好，至少在某一方面更好，这其中可能要涉及到不同的执行环境，或不同的算法数据集。然后设计实验说明你的方法好在哪里，用实验数据说明，比如异步PS和同步PS对比。然后你要进一步用实验数据说明，异步PS的有效性也提高了，如果不考虑有效性的话那么结果就不好。然后你的方法是否有些重要的超参数，试试variation导致各种结果。在实验结果展示方面，要学会用各种工具画各种图，把重要的因素用可视化方式体现出来。第六步. 投稿和看待审稿意见15. 接下来就是投稿。选一个合适的会议或期刊投稿，这个可以听老师的，老师基本有这方面的常识，根据你工作的方向和档次选择合适的去处。确定好了哪个会议期刊后，就需要按照会议期刊要求来整理论文格式，latex是必会的工具了。之后赶在deadline之前提交论文，这个最后的几天可能很痛苦，因为你的论文和方法总有改进的地方，老师的要求会让你最后几天是最忙的几天。但是需要认识到，凡事无完美，你总也改不到完美，你需要一个deadline来督促你完成一个milestone。开始进一步工作或下一个工作。16. 看待评审意见。接下来是漫长的等待，会议一般是2-3个月的时间，结果可能是接收也可能是拒掉，相比于结果，更应该看评审意见，看看这些意见是否合理，是否能解决，无论是接收还是拒绝，然后接下来就再次回到解决问题的部分，再次开始优化方法的过程。如果是接收了，那就可以准备订机票开会旅游去了。如果是拒掉那一般是有比较大的问题，那就再仔细深思下一下你的方法。继续优化，还是降低档次投个差点的会，就看你导师的了。第七步. 后续17. 宣传你的工作，扩大影响力。首先你可能是要去参加会议，做个漂亮的ppt，反复演练，争取有比较好的演讲效果。有时你导师有机会去一些地方做报告，把这个工作介绍一下，都是扩大影响力的方法。18. 开放源码。还有是尽量把自己工作的代码和数据开放，挂到网上，让别人来使用，接受别人的改进意见或者是简单的debug。咱不是专业的工程人员，也不用指望你的成果可以马上用于生产，个人觉得开放代码主要是为了让别人更好滴了解你的方法，这有助于扩大影响力，产生后续研究工作。如果有人引用你的论文、或咨询论文内容、又或是使用了你的代码和数据，这也算是你对整个科研事业有那么一丁点的贡献了，这比水论文有意义多了。整体来说，发表论文需要你有：批判思维能力，动手能力，知识面，写作能力，表达能力，英语，韧劲（抗打击能力）等等一系列能力，如果在研究生期间真能发表一篇论文，经历了以上这么多磨难和锻炼，我想你的能力也是不知不觉提高了很多，成为了该小小方向的一个小小的专家了。这对你来说，是最最重要的。这里我提到了韧劲，就是说，在解决问题过程中，你会受到不断的打击，包括来自导师的、来自自己的实验结果方面的、来自评审意见的，但是你要做的就是，站起来，继续凿，直到导师满意，知道reviewer满意，直到大家满意。别把这事想简单了，当你想象一下周围好多人都发好多sci了，而你还在为这么一篇完全未知结果的论文而这么努力的时候，我觉得大部分人可能就是缺少这个韧劲才最终以失败告终的…最后，我想再强调一下，发论文不是简单地发论文，而是通过发论文宣传你的工作，以便对某技术或人有那么一丁点影响。无论你发哪个档次的论文，只要目标正确，我觉得你都会有收获和有贡献的。相比较于为了发论文而发论文，你会觉得你是那么地高尚和高大，他们只是造废纸，而你已经对社会有贡献了…（以上内容来源于学术堂）
可以在知网、维普这些权威网站上寻找一些正规合法的期刊，然后通过：邮箱进行投稿、审阅以及文章的修订、获取审核结果、录用、汇相关费用、排版出刊等流程后，就完成论文发表了。
发布论文可以通过以下两种方法：
1、通过导师介绍；
2、自主选择论文代发机构发表。
选择期刊
准备提交在提交稿件之前，您必须选择要发布的期刊。重要的是要注意，每种期刊都有自己的风格和特征，并且通过选择与论文领域相匹配的期刊来更容易出版。有数百种期刊，每种期刊都有自己的要求。
修改稿件
论文通过后，期刊编辑将与作者联系。一般来说，论文不会一次通过。需要对其进行多次修改以编辑手稿并提交评论和要求。此时，仅需要根据编辑者的要求进行修改。是。
与负责编辑交谈时，应保持真诚开放的态度，这将有助于拉近两个人之间的距离，为您提供更好的建议，并且出版更加顺畅。
扩展资料：
论文出版格式
撰写论文时，必须遵循一定的格式，以使其看起来清晰。
1．在编写标题标题的过程中，要根据实际情况灵活使用。最好在开始时先进行介绍，讨论当前的事实，需要什么，打开头，然后再扩展以下内容。
2．纸张应展开并展开。它应该有条理，有条理。如上所述，在下面的大号和小号上，看起来非常清晰。标题以粗体突出显示，并且标题后不得有标点符号。
摘要可以控制在220个字符以内。最好总结下一篇文章。不要做开头的摘要，而将文章标题列为摘要。
参考资料来源：百度百科-期刊
参考资料来源：人民网-研究生是如何发表5篇CSSCI期刊论文的?
1、修改论文：认真分析CCF拒绝的原因，对论文进行修改和完善，争取通过下一次CCF认证。2、投稿其他期刊或会议：如果您的论文研究内容和问题具有一定的学术价值和实际意义，可以考虑投稿其他的学术期刊或会议，争取发表论文并获得更多的学术认可。3、寻求指导和帮助：可以向导师或其他有经验的学者请教，寻求他们的指导和帮助，从而提高自己的学术水平和论文质量。4、增强学术实力：可以通过学习相关的课程、参加相关的学术活动、阅读相关的文献等方式，不断增强自己的学术实力和研究能力，以期更好地完成学术研究并获得认可。
不一定，需根据具体的要求来提交，但一般英文较多。根据实验室和自身的科研能力选择合适的会议类别，一般中稿难度A>B>C。CCF(中国计算机学会)在2019年更新的《中国计算机学会推荐国际学术会议和期刊目录》中给出了推荐的人工智能类别A、B、C类会议。
着急吃不着热豆腐!这是我奶奶告诉我滴，这一次不能盲目,不要盲目!
第一步. 调研、入门1. 确定一个感兴趣的大领域，比如分布式系统或者机器学习，或者深度神经网络。读这个领域经典算法和技术，也可以是几本比较好的书，读完然后再实践实践，动手加深理解。这个过程做完就算是初步入门了。2. 找该领域的顶级会议，比如系统领域的有OSDI、SOSP，机器学习的领域有ICML、CVPR，深度学习的有NIPS、ICLR等等，可以搜CCF会议推荐列表看各领域的顶会列表。然后看近几年这些顶会的论文，因为这代表了最新的研究热点，咱不是说一味的追热点啊，毕竟对于初学者没有足够的领域专业背景，追热点是最快的方法。因为热点往往是该领域最亟待解决的问题，往往是发展最快的小方向，也最容易产生新成果。如果是老问题，人家都研究十几年了，给你留下的待解决的问题就很少或者不是很重要。当然如果是有几十年经验的研究者就不必追热点，他们知道该领域哪些是fundamental的问题，哪些是最值得研究的问题。3. 读了这些前沿论文后，确定一个小方向，比如分布式系统是个大方向，小方向可能是机器学习分布式训练；大方向是深度学习，小方向可能就是graph embedding；大方向是机器学习，小方向可能是半监督学习等等。确定小方向的过程是个知识不断积累的过程，非常重要，这需要你对大方向有很多了解，对小方向有更深入更全面的理解，需要读好至少100篇以上论文，需要你知道该小方向的研究进展历史，这需要你知道该小方向别人都在哪方面做工作，做该小方向的顶级研究组都有哪些，他们正在干什么。第二步. 发现问题这步超级难，如果发现了个好问题，那就是成功的一半。这个问题最好是重要的、本质的、没有直观解决方法的。4. 确定小方向后，你需要阅读大量的这个小方向的论文和了解开源项目，再不断聚焦，再确定一个要改进和优化的小小方向，这个可能就是论文的主题。小小方向可能是机器学习分布式系统中的parameter server通信模型，可能是dynamic graph embedding等。然后就要更聚焦地读这方面的相关论文，这时候论文就比较少了，几篇到几十篇到几百篇都有可能，这些论文要精读，花几个月时间研究一篇论文也不为过。5. 挑几个重要的论文工作实现，也可以找开源的运行跑一跑试一试，idea往往从实际运行中来，光靠读是不行的。这个跑一跑可能需要你尝试不同的运行环境，不同的workload数据集，不同的应用场景等。比如，parameter server（PS）模型在本地集群上跑是不是和paper声明的一样、在异构的动态性极强的集群环境下效果怎么样、除了paper提到的算法处理其他算法的时候效果怎么样、除了paper提到的数据集换另外一类数据集怎么样；graph embedding方法处理密集图和稀疏图都怎么样，处理动态变化的图怎么样，等等吧。你要发现X方法仅在a环境下好用，在b环境不好用。这个就是发现问题的过程。当然，没经验的研究者可能很难想到多种环境、多种workload、多种应用场景，这就需要积累。另外一个发现问题的方法是从实际生产中来，这个当然是最好的，但是往往是大企业环境下才有这个条件。6. 确定你发现的问题还没有被解决。这又需要广泛的阅读和调研，但是问题已经很聚焦了，搜索也会很容易，用你特定问题的关键字在google 搜索（这里强烈建议用google，其他搜索引擎基本搜不到），找到解决相关问题的论文。看看这些论文是不是已经解决了该问题，如果解决了，你有两种方案：第一，该问题已经解决的非常好了，放弃解决该问题。第二，该问题的解决方案还有问题，我还有更好的办法。我建议后者，最起码尽量尝试尝试。5和6步是个迭代的过程…第三步. 分析问题7. 分析问题产生的本质原因。这个往往和第5步发现问题同时进行。这一步靠的是功底和积累，靠的是对问题的理解程度。理解的越深刻，分析的越透测，你之后产生的解决思路就越有可能正确和有效。比如分布式机器学习的PS模型在异构环境下、和在处理数据不均匀的情况下就不好，本质原因是其同步的集中式通信模型，造成PS集中服务器往往需要等待。传统graph embedding方法采用批处理模式，需要graph的全局信息做embedding，当然无法应付动态性非常强的局部更新情况。8. 基于分析，就是对该问题的深刻理解，产生改进的idea。这个可能很难，可能靠运气，但我觉得更多的是靠对问题的理解程度，理解的越深刻，本质原因抓的越准，就越可能产生创新idea。读过一本介绍google企业文化的书，google产品的成功，既不是靠技术能力，也不是靠用户需求，而是靠技术洞见（insight），这就是对问题本质的深刻理解。比如，PS模型在某环境下问题的本质原因是集中式的同步模型，那么我们就可以提出尝试异步通信的模型的idea。分析能力跟个人的批判性思维、独立思考能力都有关，而这正是中国人欠缺的，可以通过读有深刻见地的书籍文章、经常提问来锻炼。第四步. 解决问题9. 实现你的idea，做大量实验验证。这需要动手能力，需要编程能力，需要坐得住。10. 验证你的解决方案，根据实验分析不断优化你的方法。做了大量试验后，得到了若干结果，可能是不好的结果，但是不要一下子否定自己的解决方案，这不能说明你的idea不好用。一个好的方法往往经过千锤百炼，同样，你的idea通常不会一下子就成功。需要你根据实验结果分析不好的原因，然后基于你的理解改进方法，这是一个反复不断迭代的过程。比如，你发现异步PS模型效果还不如原来的呢。那么关键的是，你要问自己为什么？为什么理应提升的却没有提升？你要看实验运行的日志，看看是哪里慢了，差在哪里，最后你经过不断的实验、分析、思考，你发现了，你提出的异步PS模型虽然没有了等待开销，但是计算的有效性却降低了，结果整体性能反而下降了。那么你下一次迭代就要想怎么把这个计算有效性提上来。我又有了个方法，可以评估每次计算的有效性，然后把计算资源都投到有效性高的计算上。OK，idea不错，那么怎么评估有效性呢？不能开销太大，否则又得不偿失了，你可能想到了一种近似地评估方法。重新实现后，发现效果还不错。OK，恭喜你！你可以准备发论文了！整个研究过程，导师将起到关键的作用。导师可能会给你个问题，这是难能可贵的，基本帮你做了一半的事了，否则你可能需要花上一年时间找问题。然后整个研究过程，都是在导师的引导下进行，需要定期向导师汇报，与导师讨论idea和请导师分析实验结果。最好自己也要经常找同门讨论，而不是闭门造车。第五步. 撰写论文11. 设计你的论文，草拟论文的骨架。每一章都写啥，每一段都写啥，实验都做啥。论文的逻辑往往比语言重要的多，逻辑合理的论文更易读懂，即使咱华人有天生的英语语言缺陷，但是好的逻辑就可以弥补这个不足。写论文就和讲故事一样，怎么能把一个事说明白，不那么简单，甚至说很难，需要不断锻炼。写完给老师看，老师同意后进行下一步12. 写作论文。这个就是根据骨架填肉的过程，但是这一步也不简单，特别对于英语不好的同学，写出来的东西简直是不忍直视、不堪入目、毁人三观。最近上海某高校老师辱骂学生这事就是因为这个，我可以说，我每次看到学生论文也都是这个心情，给学生通宵改论文在家里一边改一边骂，但是当面对学生还是要以鼓励为主，要耐心，要耐心，要耐心，尽力压制自己的怒火，以平和的心态帮助学生提高，期望他下次能给个更好的版本。但是往往事与愿违，看淡点吧，仅求写作态度好点就行了，毕竟这不是一朝一夕能提高的，需要你不断积累。有几个写作的方法吧。第一，不要自己想当然，对于不确定的句型，用“”扩上上google搜，看看你这句型有多少人用过，如果没有几个人用，那就别用，换个写法。第二，读别人论文时，遇到好的句型就记下来，不断积累才能提高。第三，避免一切语法错误，我觉得这个是可以做到的，现在网上那么多工具都可以用。语法错误都避免不了那基本就是态度问题。遗憾的是，我很少遇到能避免语法错误的学生，我生气往往是因为态度问题，而不是能力问题。第四，尽量用短句用简单句子，别用长句。你写论文是为了让别人理解你的方法，不是写文艺作品，能说明白就行。13. 提炼总结，改进方法。写作的过程也是屡顺自己思路的过程，写作的过程中往往也能发现自己方法的漏洞，那么就要继续回到8，重新思考解决方案，又或者你发现需要补实验来支撑你的论点，那么就继续实现系统做实验，得到实验结果。14. 关于实验。怎么做实验是学生总问的问题，怎么做科学实验也是一个很重要的问题，有对照组、无偏的、定量的，这些都是科学实验的重要要素。如果有解决该问题的其他方法你首先要说明你的方法更好，至少在某一方面更好，这其中可能要涉及到不同的执行环境，或不同的算法数据集。然后设计实验说明你的方法好在哪里，用实验数据说明，比如异步PS和同步PS对比。然后你要进一步用实验数据说明，异步PS的有效性也提高了，如果不考虑有效性的话那么结果就不好。然后你的方法是否有些重要的超参数，试试variation导致各种结果。在实验结果展示方面，要学会用各种工具画各种图，把重要的因素用可视化方式体现出来。第六步. 投稿和看待审稿意见15. 接下来就是投稿。选一个合适的会议或期刊投稿，这个可以听老师的，老师基本有这方面的常识，根据你工作的方向和档次选择合适的去处。确定好了哪个会议期刊后，就需要按照会议期刊要求来整理论文格式，latex是必会的工具了。之后赶在deadline之前提交论文，这个最后的几天可能很痛苦，因为你的论文和方法总有改进的地方，老师的要求会让你最后几天是最忙的几天。但是需要认识到，凡事无完美，你总也改不到完美，你需要一个deadline来督促你完成一个milestone。开始进一步工作或下一个工作。16. 看待评审意见。接下来是漫长的等待，会议一般是2-3个月的时间，结果可能是接收也可能是拒掉，相比于结果，更应该看评审意见，看看这些意见是否合理，是否能解决，无论是接收还是拒绝，然后接下来就再次回到解决问题的部分，再次开始优化方法的过程。如果是接收了，那就可以准备订机票开会旅游去了。如果是拒掉那一般是有比较大的问题，那就再仔细深思下一下你的方法。继续优化，还是降低档次投个差点的会，就看你导师的了。第七步. 后续17. 宣传你的工作，扩大影响力。首先你可能是要去参加会议，做个漂亮的ppt，反复演练，争取有比较好的演讲效果。有时你导师有机会去一些地方做报告，把这个工作介绍一下，都是扩大影响力的方法。18. 开放源码。还有是尽量把自己工作的代码和数据开放，挂到网上，让别人来使用，接受别人的改进意见或者是简单的debug。咱不是专业的工程人员，也不用指望你的成果可以马上用于生产，个人觉得开放代码主要是为了让别人更好滴了解你的方法，这有助于扩大影响力，产生后续研究工作。如果有人引用你的论文、或咨询论文内容、又或是使用了你的代码和数据，这也算是你对整个科研事业有那么一丁点的贡献了，这比水论文有意义多了。整体来说，发表论文需要你有：批判思维能力，动手能力，知识面，写作能力，表达能力，英语，韧劲（抗打击能力）等等一系列能力，如果在研究生期间真能发表一篇论文，经历了以上这么多磨难和锻炼，我想你的能力也是不知不觉提高了很多，成为了该小小方向的一个小小的专家了。这对你来说，是最最重要的。这里我提到了韧劲，就是说，在解决问题过程中，你会受到不断的打击，包括来自导师的、来自自己的实验结果方面的、来自评审意见的，但是你要做的就是，站起来，继续凿，直到导师满意，知道reviewer满意，直到大家满意。别把这事想简单了，当你想象一下周围好多人都发好多sci了，而你还在为这么一篇完全未知结果的论文而这么努力的时候，我觉得大部分人可能就是缺少这个韧劲才最终以失败告终的…最后，我想再强调一下，发论文不是简单地发论文，而是通过发论文宣传你的工作，以便对某技术或人有那么一丁点影响。无论你发哪个档次的论文，只要目标正确，我觉得你都会有收获和有贡献的。相比较于为了发论文而发论文，你会觉得你是那么地高尚和高大，他们只是造废纸，而你已经对社会有贡献了…（以上内容来源于学术堂）
投稿针对类型不同。会议论文是针对某学术会议投稿的，即发表在国内或国际学术会议上的论文。如果论文被学术会议的会务组决定录用，论文将在会议“论文集”上发表，同时也会被要求参加高端学术同行交流会，向学术界介绍你研究的发现。期刊论文是针对某学术期刊投稿的，即发在学术期刊上的论文。有学术性与非学术性之分。期刊论文主要会发在月刊/季刊/年刊/不定期地刊上。期刊论文录用后，投稿人只需等着出版即可。
你好，这是对同等学历的限制。南大对于同等学历报考学术类研究生，是有论文要求的。同等学历包括专转本，专升本，自考，专科生毕业2年。望采纳
我想加入团队
CCF 的组织结构包括理事会、工作委员会和专业委员会。CCF现任理事长李国杰，秘书长杜子德，另外有24位常务理事，108位理事。杜子德秘书长在CCF九届五次常务理事会议上向会议报告了各工作委员会的职能，会议同意了工作委员会的职责分工。CCF工作委员会设置及其职能（2010-2012）如下：一、学术工作委员会处理和学术有关的事务： 策划并编辑出版“CCF计算机科学技术年度发展报告”； “CCF中国计算机大会”征文、编辑出版； 审查并发布对学术会议和学术刊物的评价和排名； 制定学会学术会议论文集CCFP（会议录）出版标准，受理和批准出版CCFP的申请； 负责学会会刊准入审查和年度评估； 负责会员学术道德问题投诉受理和处理。 二、专委工作委员会处理与专业委员会有关的事务： 负责专业委员会的管理工作，包括提出专委创建、合并、重组或撤销意见，提交理事会审议；受理和审查创建新专委的申请；审查专业委员会领导机构候选人资格，主持专业委员会换届选举； ：组织对专业委员会的评估并向理事会报告评估结果； ：其他与专业委员会有关的工作。 三、会员部会员发展和服务： 发展会员，完成制定的会员发展指标；推广和宣传，建立和拓展会员发展网络； 会员服务、会员关怀，听取会员意见或建议，受理会员投诉； 建立和管理会员档案； 组织会员资格审查委员会成员审查高级会员的入会资格； 更新网站中与工委、专委、会员有关的内容。 四、教育工作委员会从事与高等院校计算机教育有关的工作： 调查了解高等学校计算机人才培养情况，就高校计算机教育的目标定位、课程设置、培养方式、评价手段等写出报告，向办学单位和教育行政部门提出建议； 参与计算机工程教育认证。 五、企业和职业发展工作委员会了解企业的需求，设计针对企业的服务项目： 探讨制定计算机职业资格认证标准（如计算机软件工程师）的可能性，以便将来CCF为专业人士的职业资格认可和企业用人提供专业服务； 搭建会员和企业之间的桥梁，为会员就业提供服务。 六、对外联络部和国际或大陆以外同类学术组织建立联系，建立合作关系： 和其他境外同类学术组织建立联系，促进互利合作，拓展学会发展空间； ：出访或接待来访的国外同类组织。 七、普及工作委员会策划和实施计算机普及工作： 编辑中国计算机发展史、组建计算机虚拟（网上）博物馆； 组织开展吕梁计算机普及和教育扶贫活动。 八、青年工作委员会 为青年学者的发展提供帮助，开展适合他们专业发展的活动： 协助、支持和监督YOCSEF及其各分论坛的工作和活动； 负责CCF优秀博士学位论文的初评和中评，将候选名单提交给评奖委员会； 受理和初评CCF青年科学家奖，将候选人提交给评奖委员会； 实施“CCF青年学者访问计划”项目及其他有助于青年专家发展的活动或项目。 九、计算机术语审定工作委员会负责计算机新术语的审定工作。 收集、翻译、释义、审定和推荐计算机新术语，将审定过的新术语报全国名词审定委员会。 审定过的新词的宣传和推广。 十、办公室（学会秘书处） 学会日常工作的执行机构，是学会的联络、服务和信息中心； 学会日常行政与管理工作，组织学会各种工作会议； 和理事、专委、工委、会员、业务主办单位等保持畅通联系，为工委、专委提供支撑服务； 会员发展及服务； 策划和实施学会活动； 融资和财务管理； 负责对外宣传学会品牌和形象，学术资源的整合和建设，网站更新与管理； 档案管理和年度报告编写； 出版会刊《中国计算机学会通讯》，管理其他会刊； 其他所有和学会有关的日常工作。 十一、软件工程师工作委员会为来自企业的软件工程师提供针对性的服务，重点是在企业任职的IT领域专业技术人员，包括软件工程师，项目经理和技术主管等。 举办面向企业软件工程师需求的（线上、线下）活动； 给予达到一定技术水准和贡献的软件工程师给予认可和荣誉，扩大这类从业者的发展机会； 汇集来自一线软件工程师的智慧，创建高质量的计算技术资源库，供同业人员分享； ：通过活动为CCF发展更多来自企业的专业会员。 十二、评奖委员会 学会负责评奖的机构： 起草、修订有关奖项提名、评审规则，提交理事会； 评审有关奖项、批准评奖分委员会报送结果； 向理事会提出设立新奖项的动议、计划、政策； 平衡各奖项，保证质量。
NLPCC会议论文是C类会议，是国际顶级会议论文。
NLPCC全称为CCF国际自然语言处理与中文计算会议，会议由中国计算机学会（CCF）主办，CCF中文信息技术专业委员会（CCF TCCI）及高校（每年通过投票选举）承办。会议内容主要围绕自然语言处理（NLP）和中文计算（CC）两方面来进行。
NLPCC从2011年开始举办，至今已成功举办 8 届；尽管举办时间很短，但成长却很迅速，在今年4月最新的CCF推荐国际学术会议和期刊目录中 NLPCC被评选为 C类会议，这说明其已经在NLP领域具备国际影响力，已然成为国内（甚至国际）中文 NLP领域最为重要的会议之一。