论文原文：
YOLO（you only look once）是继RCNN、faster-RCNN之后，又一里程碑式的目标检测算法。yolo在保持不错的准确度的情况下，解决了当时基于深度学习的检测中的痛点---速度问题。下图是各目标检测系统的检测性能对比：
如果说faster-RCNN是真正实现了完全基于深度学习的端到端的检测，那么yolo则是更进一步，将 目标区域预测 与 目标类别判断 整合到单个神经网络模型中。各检测算法结构见下图：
每个网格要预测B个bounding box，每个bounding box除了要回归自身的位置之外，还要附带预测一个confidence值。这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准两重信息，其值是这样计算的：
其中如果有object落在一个grid cell里，第一项取1，否则取0。第二项是预测的bounding box和实际的groundtruth之间的IoU值。
每个bounding box要预测(x, y, w, h)和confidence共5个值，每个网格还要预测一个类别信息，记为C类。即SxS个网格，每个网格除了要预测B个bounding box外，还要预测C个categories。输出就是S x S x (5*B+C)的一个tensor。（注意：class信息是针对每个网格的，即一个网格只预测一组类别而不管里面有多少个bounding box，而confidence信息是针对每个bounding box的。）
举例说明: 在PASCAL VOC中，图像输入为448x448，取S=7，B=2，一共有20个类别(C=20)。则输出就是7x7x30的一个tensor。整个网络结构如下图所示：
在test的时候，每个网格预测的class信息和bounding box预测的confidence信息相乘，就得到每个bounding box的class-specific confidence score:
等式左边第一项就是每个网格预测的类别信息，第二三项就是每个bounding box预测的confidence。这个乘积即encode了预测的box属于某一类的概率，也有该box准确度的信息。
得到每个box的class-specific confidence score以后，设置阈值，滤掉得分低的boxes，对保留的boxes进行NMS（非极大值抑制non-maximum suppresssion）处理，就得到最终的检测结果。
1、每个grid因为预测两个bounding box有30维（30=2*5+20），这30维中，8维是回归box的坐标，2维是box的confidence，还有20维是类别。其中坐标的x,y用bounding box相对grid的offset归一化到0-1之间，w,h除以图像的width和height也归一化到0-1之间。
2、对不同大小的box预测中，相比于大box预测偏一点，小box预测偏一点肯定更不能被忍受的。而sum-square error loss中对同样的偏移loss是一样。为了缓和这个问题，作者用了一个比较取巧的办法，就是将box的width和height取平方根代替原本的height和width。这个参考下面的图很容易理解，小box的横轴值较小，发生偏移时，反应到y轴上相比大box要大。其实就是让算法对小box预测的偏移更加敏感。
3、一个网格预测多个box，希望的是每个box predictor专门负责预测某个object。具体做法就是看当前预测的box与ground truth box中哪个IoU大，就负责哪个。这种做法称作box predictor的specialization。
4、损失函数公式见下图：
在实现中，最主要的就是怎么设计损失函数，坐标（x,y,w,h），confidence，classification 让这个三个方面得到很好的平衡。简单的全部采用sum-squared error loss来做这件事会有以下不足：
解决方法：
只有当某个网格中有object的时候才对classification error进行惩罚。只有当某个box predictor对某个ground truth box负责的时候，才会对box的coordinate error进行惩罚，而对哪个ground truth box负责就看其预测值和ground truth box的IoU是不是在那个cell的所有box中最大。
作者采用ImageNet 1000-class 数据集来预训练卷积层。预训练阶段，采用网络中的前20卷积层，外加average-pooling层和全连接层。模型训练了一周，获得了top-5 accuracy为0.88（ImageNet2012 validation set），与GoogleNet模型准确率相当。
然后，将模型转换为检测模型。作者向预训练模型中加入了4个卷积层和两层全连接层，提高了模型输入分辨率（224×224->448×448）。顶层预测类别概率和bounding box协调值。bounding box的宽和高通过输入图像宽和高归一化到0-1区间。顶层采用linear activation，其它层使用 leaky rectified linear。
作者采用sum-squared error为目标函数来优化，增加bounding box loss权重，减少置信度权重，实验中，设定为\lambda _{coord} =5 and\lambda _{noobj}=0.5 。
作者在PASCAL VOC2007和PASCAL VOC2012数据集上进行了训练和测试。训练135轮，batch size为64，动量为0.9，学习速率延迟为0.0005。Learning schedule为：第一轮，学习速率从0.001缓慢增加到0.01（因为如果初始为高学习速率，会导致模型发散）；保持0.01速率到75轮；然后在后30轮中，下降到0.001；最后30轮，学习速率为0.0001。
作者还采用了dropout和 data augmentation来预防过拟合。dropout值为0.5；data augmentation包括：random scaling，translation，adjust exposure和saturation。
YOLO模型相对于之前的物体检测方法有多个优点：
1、 YOLO检测物体非常快
因为没有复杂的检测流程，只需要将图像输入到神经网络就可以得到检测结果，YOLO可以非常快的完成物体检测任务。标准版本的YOLO在Titan X 的 GPU 上能达到45 FPS。更快的Fast YOLO检测速度可以达到155 FPS。而且，YOLO的mAP是之前其他实时物体检测系统的两倍以上。
2、 YOLO可以很好的避免背景错误，产生false positives
不像其他物体检测系统使用了滑窗或region proposal，分类器只能得到图像的局部信息。YOLO在训练和测试时都能够看到一整张图像的信息，因此YOLO在检测物体时能很好的利用上下文信息，从而不容易在背景上预测出错误的物体信息。和Fast-R-CNN相比，YOLO的背景错误不到Fast-R-CNN的一半。
3、 YOLO可以学到物体的泛化特征
当YOLO在自然图像上做训练，在艺术作品上做测试时，YOLO表现的性能比DPM、R-CNN等之前的物体检测系统要好很多。因为YOLO可以学习到高度泛化的特征，从而迁移到其他领域。
尽管YOLO有这些优点，它也有一些缺点：
1、YOLO的物体检测精度低于其他state-of-the-art的物体检测系统。
2、YOLO容易产生物体的定位错误。
3、YOLO对小物体的检测效果不好（尤其是密集的小物体，因为一个栅格只能预测2个物体）。
这个要看你们毕设的要求，其实每年都有毕设做这种的。
数据集这一点不需考虑的，应该在网上都是找得到关于你要解决问题的数据集的，如果要自己搞数据集就很麻烦，看几篇论文你就清楚了。
网上关于用v5训练自己数据集的教程还是比较多的。v5的代码用起来很方便，模块化了的。难的是需要搞清楚v5的原理以及如何将最新的一些算法加入到v5，针对性地提高自己训练集的效果。如果你够厉害的话也可以针对v5的一个板块提出自己新的算法，比如改进CIOU之类的。
文献综述好好写，论文格式好好弄。
论文的质量，是否经得起推敲？论文的指导教师，是否是可以指导你论文的教室？要投稿的期刊是不是你可以目前能投的。这个出版要多少钱，怎么出，什么时候出？
科技论文投稿是非常严谨的，首先我们需要把我们的作品尽量的写好，主要是逻辑清楚，没有标点符号这样的常识性错误。我们的论文才更有可能被编辑接受。
1.把握期刊的内容：作者在投稿前需要了解自己研究领域有哪些优秀的刊物，以及这些期刊对自己文章的要求，论文内容是否与期刊栏目相匹配等。。 2，掌握水平期刊：作者应根据学术论文和自己的写作技能水平，将自己的文章提交到相当级别的出版物; 3、选择合适的时间投稿：提交期刊时避开高峰期，提前做好准备，对于同级别的期刊，作者可以选择提交量较大的期刊，更有可能被录用。 4、同时，作者还需要知道任何投稿要经过适当的处理，提交后应及时和杂志编辑沟通，以把握文章的进度来确定自己的论文是否会被接受。当作者收到退修的稿件后，也应该要在较短的时间内修回，并且要尊重审稿专家的意见，逐条进行修改。 总之想要论文中稿率高，那么作者是要付出自己的心血，审稿专家及编辑与作者都希望文章能顺利录用出版，而作者自身的论文也要内容创新，结构合理规范，语言准确，掌握相应的期刊投稿策略，从而有助于提高论文投稿录用率。希望可以帮到你，望采纳
要根据刊物级别来判断论文发表的难度，一般刊物发表并不难啊，只要论文稍有质量，就可以发表
最近看到许多同学为了找到大论文中的创新点是殚精竭虑，每天在教研室是如坐针毡，非常的痛苦。我个人觉得，创新点就像是机遇一样，说来就来，说走就走。李开复老师曾经说过，创新是需要积累的。在找到创新点之前，我们需要大量地阅读相关的论文或书籍，并反复地比较相关理论或模型的异同。如此这般，才能有创新的火花在我们的大脑中迸发出来！ 就个人而言，我喜欢将看过的论文都记录下来，以备以后查看。据不完全统计，我已经阅读了中文小论文106篇，英文小论文35篇，中文大论文(优秀硕士或博士论文)27篇。在写小论文或大论文的时候，我就将看过的论文记录拿出来再阅读几遍，发现彼此之间的相同或相似之处。对于有可能会产生创新点的论文，我会反复阅读，直至彻底理解为止。我写的小论文和大论文中的某些创新点，几乎都是通过比较相关论文的创新点中算法的相似性而得出的。因此，科学思维中的联想、类比等在写论文的过程中也是很有用的。我就和同学开玩笑说，我一定要将《自然辩证法》多看几遍！ 结合自身的经验，我认为找到创新点有以下途径：途径一将论文A的X理论应用于论文B的研究中 这种方法可以称作“移花接木”。例如，我在写大论文的过程中，要涉及到对P2P网络中的搭便车者数目进行预测，而我在另外的一篇论文中了解到用灰色系统理论可以预测人口的多少。我一想，搭便车者不就是人吗？预测人口数量也就类似于预测搭便车者的数量，那么我就可以将灰色系统理论应用于我写的大论文中，这样一个创新点就产生了，剩下的就是进行大量的实验仿真来证明我的结论是否正确。 将不同领域中的算法互用的例子比比皆是。例如，网络中的经典算法— 迪杰斯特拉算法 就是一例。这个算法本来是数学领域中的，网络研究者们将之应用在路由算法中。途径二参照A论文的X算法改进B论文的相关算法 这不是算法的应用，而是对现成算法的改进。例如，我在写小论文《一种基于云的加权信任模型》的时候，就使用了这种方法。当时，我读到了一篇小论文《基于云模型的信任评估研究》，里面就有两个算法，而其中一个算法与我读到另一篇论文《基于云模型的主观信任评估》中的算法很像，只是少了一个权值。我立马想到如果在此算法中也加入权值，那结果会怎样呢？于是，一个创新点就这样产生了，一篇论文也就写出来了。 大部分论文的创新点都是对算法的改进，因此，途径二用得最多。途径三将A论文的X模型与B论文的Y模型合并为C论文的Z模型 这种方法没有对算法进行改进，而是将两种模型合并为一种新的模型。在我写大论文的另一个创新点的时候，我已经建立了P2P网络的模型(一个三维的立体结构)，就差用一种算法来遍历网络中的各结点。这时，我阅读了一些算法的书籍和论文，其中有提到用模拟退火算法可以遍历整个网络。于是，我将P2P网络模型与模拟退火算法模型结合起来，产生了一种遍历网络的新算法，并且用仿真实验证明该模型切实可行。 该方法可以说是一种综合的方法，在应用之前需要弄清楚两种模型是否可以结合，并且一定要有实验的论证。 以上三种方法是我个人在写小论文和大论文的过程中所采用过的方法，觉得还是有一些道理的，并且也的确能够将创新点找到。对于硕士生来说，要发明新的方法或理论是很困难的，在我阅读过的论文中，没有一篇做到了。但是，对算法进行改进、应用或组合却是我们力所能及的。要找到创新点，积累是关键，也就是我们要多多阅读、多多总结，并且保持一颗好奇和善于发现问题的心。 如果把找到创新点当作“黎明”，那么现在就是“黎明之前最黑暗的时候”。只要你坚持下去，相信胜利就在眼前！
楼主对于这种问题的答案完全可以上SCI了，知道答案的人都在写论文中，所以我可以给几个改进方向给你提示一下：1 SVM是分类器对于它的准确性还有过拟合性都有很成熟的改进，所以采用数学方法来改进感觉很难了，但是它的应用很广泛 SVMRank貌似就是netflix电影推荐系统的核心算法，你可以了解下2 与其他算法的联合，boosting是一种集成算法，你可以考虑SVM作为一种弱学习器在其框架中提升学习的准确率SVM的本身算法真有好的改进完全可以在最高等级杂志上发论文，我上面说的两个方面虽然很简单但如果你有实验数据证明，在国内发表核心期刊完全没问题，本人也在论文纠结中。。
可以通过论文上附有的通讯邮箱给对方发邮件如果论文是你认识的人的，比如同个课题组的人，或者私下有联系的同行，那么可以方面或者通过电话微信等联系，开诚布公的跟作者指出错误及你判定错误的依据。如果是科研态度端正的作者，应该会虚心接受你的意见，即使不见得对同一论文进行修改，在后续的发表物上应该也会进行修正。如果只是同行，并不认识，而你只是单纯的想跟对方指出他的错误，可以通过论文上附有的通讯邮箱给对方发邮件。如果论文本身没有提供联系方式，也可以向论文出版的机构询问作者的联系方式，机构应该会有的。最正式的做法，就是向同一出版机构投稿或者写信，以论文的方式来驳斥另一篇论文。像前阵子的韩春雨事件，后来就是因为很多学者通过后续的实验发表论文呈现了截然相反的结果，引发了外界对于韩成果的质疑。这原本就是对于科学探索应有的态度，无可厚非。想当年我硕士研究的课题灵感来自于一篇发表在Nature上的论文，后面几期Nature连续刊发了读者质疑的来稿以及作者的自我辩护，火药味还很浓呢。
写论文是可以借鉴别人的方法和思路的，他应该在此基础上有所创新 在写论文的过程中，借鉴别人的思路和想法，这是一个非常普遍的问题，完全合乎正规，但是在此基础上，自己一定要有自己独特的想法，也就是说，有所创新，不然论文就是复制和粘贴，变得毫无意义了
major revision 99%等于accept，因为审稿人愿意给你修改机会，基本上证明你的论文没有特别重大的问题。尤其对于我们社科类的学科，本来就没有统一的标准，也没有实验要求，只要能够自圆其说就行。除非自己太作，不回应审稿人的意见。身边有好多学长学姐们都是找北京译顶科技做的，听说也做的很不错
写论文可以借鉴他人的研究方法，学术论文是一个站在前人肩膀上开展的活动。 论文写作的重要意义在于输出价值，如果你的文章有学术价值，研究方法不是关键点。 我就法学论文举例，如果你的论述解决的一个法学学术难题，或者仅提供了一个值得探讨的新观点，便是有价值的。 一座桥是手工打造还是机械化完成，对于最终的使用者而已，不是至关重要的，只要保证质量和用途即可。 论文的研究方法可以借鉴，但也可注明以示尊重。 当然，借鉴就是借鉴，千万不可大言不惭地说是自己首创。 在遵循学术道德和职业规范前提下，合理地借鉴是没有问题的。
把批评意见当作是提高自己稿件水平的一个契机，补充新的实验，并精心修改论文以后再投它刊，而不是改也没改，当天另投他刊。
如果没有修改的话，审稿人说的问题还是存在。如果改投它刊被接收了，那么错误还在那里；如果退稿，很可能还是由于这些问题引起的，因此态度非常重要。
在C刊编辑眼中，被退稿的文章有哪些突出特点？究竟该如何提高期刊投稿的命中率呢？本文作者给出了一些实用的策略和方法。
如何提高论文投稿命中率？
来源《如何提高学术论文的投稿命中率
—以CSSCI来源期刊《华东经济管理》为例》
作者程靖
众所周知，学者的学习和研究成果是通过学术论文体现的，随着国内高校在读博士的增多，高校竞争加剧推高了期刊的整体水平，导致CSSCI期刊发文章很难，对论文质量要求很高。而学术论文最高投稿价值是以最快速度发表在最高级别期刊上，并最大限度让读者检索，在最大时空内与同行交流。要想达到以上目标，首先需要研究期刊，根据文章选择合适的目标期刊。文章从被退稿文章特点入手，探讨了提高学术论文投稿命中率的策略。
被退稿论文的特点
（一）从写作方式看
1.按照教材模式撰写论文
这类文章构建的框架缺少新意，内容通常阐述某一问题的概念、定义、必要性、意义、理论基础、前提条件等，内容大多是已研究过的成果的总结，缺乏核心观点、理论根据和论证过程；缺少强有力的结论。
2.建议型、对策型学术论文
学术论文，特别是目前经济管理类的学术论文，实证居多，其写作重点应当是论文撰写的程序过程上，但如果论文撰写重点在于提出的各种合理化建议与对策，而缺少结论的说理与论证过程，则凭空得出的结论缺乏理论基础。这种学术论文只能算是建议稿，研究过程的缺失会导致学术研究的空洞与泛化，不利于作者学术思维的锻炼与培养。
（二）从选题内容上看
1.选题不新，内容雷同
选题不适合期刊风格，或选题陈旧，或涉及面太宽，导致内容空泛，无法掌控，过于宏大的选题，在一篇小文章中，是不可能讲清楚的。作者往往只是杂糅、整合了当前各种说法，简单地整合在一起，更多是一种知识的综合，而非学术研究。这种写法缺乏学术历练；而选题太窄的文章不具有普遍性，或者该选题在别刊多次发表或本刊已有类似文章发表。
还有些文章内容上分散，重点不突出，缺乏系统性、条理性，创新不足，晦涩难懂，缺少“具象”思维。即缺乏利用案例、比喻、图表等形式来阐释抽象的理论和判断，学术论文无须像文艺作品那样讲究华丽、生动，但是简明、确切、文字流畅、易于理解是必须要做到的。有的实证文章实证有余，经济分析不足。实证类文章的结构安排不合理，篇幅过长过短。数据不充足，比如样本数量过少、样本回收率过低未达到统计学标准，结论不客观，或者是众所周知、不需要经过论证就可以得出的常识性结论。综述类文章仅仅是简单罗列文献，未作归纳总结和分析讨论。
2.文章参考文献著录不规范
参考文献是学术文章的一个重要组成部分，反映了作者阅读文献的广度与深度，是审稿人评判稿件价值和水平的客观依据。有参考文献不一定能发表，但是没有参考文献的文章一定会不发表。
提高投稿命中率的策略和方式方法
（一）搜索期刊的背景材料
1.研究期刊的办刊宗旨。
可以说，办刊宗旨决定了期刊学术风格继而决定了文章选题范围、风格和体例。所投稿的文章一定是与期刊的办刊宗旨有高度相关性！所以，在投稿之前，应根据自己文章的风格选择适合自己的刊物。如果是与期刊宗旨不相符的文章，写得再好，命中率也不会高！
《华东经济管理》办刊宗旨——致力于经济管理研究，服务于中国经济建设。说明期刊所刊载的文章一定是反映经济管理类的热点问题，如果是教育教学、法律心理类的文章一定初审通不过的。
2.知晓期刊的栏目编排，发文目录。
栏目反映的是期刊的学术风向标。往往这些特色栏目是一些独具优势的边缘学科栏目、问题研究栏目或带有填补空白性质的栏目，可以活跃学术气氛，同时推动学界对此问题研究的深化，扩大期刊学术界的影响力和竞争力。
《华东经济管理》的栏目有：华东经济、本期视点、经济观察（中国经济、区域发展、产业经济等）、管理视野（物流与供应链、营销实践、财务管理、知识管理、战略管理、公共管理等）、理论实务（案例分析、实务方法、理论述评、比较借鉴），而“华东经济”是期刊的特色栏目，通常编辑部的特色栏目是每期都要有，会保证每期的发文量，往往采稿率比一般栏目要高。
3.了解期刊的审稿流程。
《华东经济管理》实行的是四审四校制度。初审，由责任编辑按栏目初审，初审通过的进入专家评审，专家审稿通过的稿件再由编辑部复审，复审意见送终审。国内许多CSSCI期刊的稿源很多，如何让编辑能关注到稿件，很大程度上取决于论文的题目、摘要、格式的规范化程度，题目摘要能否清楚地表述要研究的问题、方法、结论、创新等，能否用最简练的语言说服编辑和读者阅读你的论文。
4.浏览征稿启事和近期动态，了解期刊的动态变化。
了解其学者群体、读者对象、学术地位、期刊等级、出版周期、论文容量、版面费、组稿倾向等。
（二）夯实学术基础，突出创新性与学术性
学术期刊的受众群体狭小，其作者和读者基本上都受过某个学科的训练并且仍然在从事这个学科的研究和教学。其阅读兴趣集中于文章中提出的新的学术观点；使用的新的分析方法；提供的新的经验证据；以及解决问题的新思路。所以创新是学术文章的灵魂和根基。
而创新的产生建立在前人研究基础上的，一篇文章的生成需要参阅大量文献，一定的文献阅读量是创新的源泉。阅读文献的原则，是从最新的文献开始阅读，选择较权威性的文献阅读，从综述性的文献评述读起，牢记文献与研究的相关性，注意阅读与搜集过程的交替性，精读与“跳跃式”阅读相结合。
通过对前人研究结论的筛选、引证、总结，了解相关知识的现状、揭示问题的背景或为研究的假设提供基础，从他人的研究工作中学习和借鉴，弄清以前研究的优点和不足，避免无根据的研究以及避免对以前已经做过研究的过度重复，帮助作者确定新的前沿课题，处理特殊和具体问题提供思路和方法，经过一定论证后根据自己的思考产生相对于前人的不同创见，从而表现出自己的特色，论证出自己选题的特殊性。
典型的学术论文反映了科学研究的过程，有其固定的写作结构，并被学者默认，这一结构就是提出问题，文献回顾，模型，检验，结论等部分。
这种写作模式更方便学者之间的交流：读者可以参阅文献综述和参考文献了解某一选题的进展；也可以看模型部分的理论推导过程；还可以通过看摘要和结论了解某一问题的建议与启示。这种写作模式需作者对全文各部分统筹兼顾，合理安排，保持每部分内容的平衡。通过每部分提炼一个最具有概括性的标题，并加以重点论证，明确表达论文的思想，得出结论的过程是非常严密的，环环相扣、层层递进的，避免没有引证而发表的空头意见。一篇优秀学术论文必须要有自己的创新观点和深刻的主题，还要有丰富的材料和完美的结构，既要有论证性，更要有高浓度的综合性。即使是对西方理论的综述，也应带着问题的视角。有些文章几乎通篇都是““某某说”，“某某认为”，而作者自己的观点却不明晰，仅仅是观点的罗列。
（三）尊重学术规范
学术论文和一般文学作品不同，撰写必须严格遵守学术规范。
1.选题恰当合适。首先要选择感兴趣的选题，兴趣是推动学术研究的原动力。经济学论题分为基本问题（疑难问题）与具体问题（可研究问题）。基本问题具有：宽泛性、背景性、宏观性特点。如：通胀问题、反倾销、农产品贸易、人民币汇率问题等，具体问题具有详细性、针对性、微观性特点。选题必须综合考虑难度和可行性、学术资源的可获得性、研究的价值与创新性。选题不要太大也不要太小，尽量使问题细化，过大的题目是不可能用几千字就能论述清楚的，可以适当地对研究对象加以限定。由小到大，小题大做，要反映当下热点问题，深入研究，分析透彻。
2.标题：是文章的标签，是对论文内容的精准概括，从题目可以看出论文的论题。标题要贴切，新颖，简洁。标题要切实反应文章主题，让读者产生阅读兴趣。标题可以用常规陈述，提问质疑，二级标题的形式，表明自己的观点。一般不超过20字。便于文献检索和追踪，文献检索系统通常是以标题中的主题词作为检索对象，准确反映论文的核心内容，避免产生漏检；慎重使用缩略语；关键词列入题名。
3.作者。作者群的高度决定了期刊的高度。相关研究显示，高被引作者群中，“教授加博士”组合发文所占比例比较大，2-3个作者比单一作者的比例大。作者的合作度则反映论文作者智力发挥程度，研究团队共同合作，便于快出成果的目的，特别是对基金论文而言，合著率能反映期刊的学科发展水平。
4.摘要。摘要是具有相当独立性的短文，是论文的简历。可以完整地表达出全篇的观点，一般以100-300字左右为宜，它是以最精炼的专业语言概括出论文所要论证的内容、创新点，而非文章各部分小标题的简单叠加；撰写摘要时一般应处于比较中立的立场以第三人称名义来撰写完论文，避免以“本文”、“本人”等第一人称手法撰写；避免出现先提出什么问题，然后以“总之”、“因此”、“因而”、“综上”等得出结论的这种“三段论”式的总结性结论。
5.关键词。关键词是表明论文内容和意图的关键词眼，是学术论文的重要组成部分，通常用最核心与最简炼的专业词语来反映作者观点和意图，同时便于文章的检索。关键词一般3-5个，每个关键词的字数最好不超过5个字。
6.英文题目、摘要、关键词。这部分不能出现中国式英语，不是中文部分完全翻译，在适当的地方可需要一定程度的意译，要注意专业词语的准确性和专业英语的地道性。
7.正文。正文论述就是说理的过程，论点要鲜明突出。“实践是检验真理的唯一标准”，经济学论文往往使用实证分析来检验理论，挑战理论，从而加深人们对某一经济现象的理解。一般实证论文的格式是引言，假说，数据，方法，实证结果，相关讨论，结论性评述。在行文过程中需要注意引用前人观点和自己创新结论的关系。
引言。论文引言一般是小综述，侧重介绍与研究相关的文献，是对以前相关研究的思路和方法的综合。通过文献综述说明现有研究状况，研究不足，并清晰简明地介绍所要研究的问题及选择这一选题的原因，若是现阶段的探索性问题，必须指出其未来的实用价值或理论价值；在引言中让读者知晓文章具备选题新、方法新、结果结论新等特点。撰写文献回顾时，可以通过比较和对照的方法，按照时间顺序或逻辑顺序排列文献。
假说：是指作者准备检验或揭示的经济现象。假说的论证要清楚合理。
数据：数据是经济模型实践的基础，是历史描述分析的重点，是研究论文的标志。数据来源要真实可信，全面充分、精练直接。数据来源于公开的统计年鉴、出版的调查资料、公开的数据库、企业数据、作者调查等。目前经济学文章的数据搜集往往是在中国统计年鉴、中国工业统计年鉴、中国农业统计年鉴、中国劳动统计年鉴、中国投入-产出表、中国工业普查资料得来，或者是从上万张年报中手工收集商业数据库中无法获得的数据。
工具箱：计量估计方法等。目前计量经济学的发展速度很快，新的研究方法层出不穷，而且时效性很快。现在的主流已转向 PSM、DID、SFA等研究方法。很多研究方法，或许刚听说就已经过时了。这些方法不仅要有很扎实的计量经济学基础知识，而且要懂计算机编程的思想，必须走在计算机软件之前，否则就会失去竞争力。比如：分位数回归，现在 stata软件已经有相应的模块，并实现了傻瓜式操作，不需要自己去编程或者借用别人的程序（结构方程模型也可以在 stata12.0中完成），这时这种方法大家都会，论文的竞争力就会大打折扣。
论证合乎逻辑，表述层次分明，文字简洁流畅、深入浅出。目前经济学实证论文往往是针对某一经济活动对象，收集真实的样本观测值，根据统计学知识，结合建立模型分析的需要，对数据进行分析和处理，独立建立一个单方程多元线性回归计量经济学模型，并完成模型的检验、修正和估计，对结果进行必要的结构分析、经济预测或政策评价。通过模型来陈述分析前提假设，然后按照清晰的逻辑进行推导，最后得出若干可供检验的命题；检验部分，用数据或案例对自己所提出的命题做出检验；结论部分将主要介绍现有研究的不足，提供进一步研究的方向，或是根据自己的分析得出若干政策建议。结论一定是基于前述论证过程得出的。
8.参考文献。合乎规范的参考文献是一篇优秀论文的必备素质，体现了作者的学术研究的能力和学术研究思维，也为自己的论证和观点提供支持证据，反映了作者有效收集、利用、整理、综合和加工信息的能力，体现科学的职业道德。
第一，擅于引用知名度高的期刊。不同学术期刊的知名度是有高下之分的。论文的主要观点和论据应该是来自最具说服力的研究结果。知名度高的刊物所报道的结果应该更具权威性。作者应特别关注本专业较权威的刊物的动向。比如南京大学CSSCI、北大中文核心期刊，《经济研究》、《中国社会科学》、《管理世界》、《世界经济》、《经济学季刊》等，或跟踪最好的3-5本杂志以及本领域较活跃的3-5位学者。
第二，避免使用摘要检索类文献，即二次文献。二次文献是文献阅读时的一种快捷路径，作者需要通过二次文献进一步查阅原始文献，但若单用二次文献，文章的可信度会大打折扣。
第三，近年参考文献和中英文参考文献的均衡。科学在不断发展，学术论文每年都以成百上千的数量增长，近年新文献能涵盖旧文献，所以参考文献中要进行文献更新。
第四，正文中的引用要和文后参考文献对应。文献来源往往有论文（公开发表论文论文/会议论文/未公开发表的论文/在线论文/其他）、书籍（专著/编著）、报告（公开发表/内部）、数据（年鉴/数据库/在线/私人）。
9.重视有科研课题资助的论文。因为科研课题反映了一个学科的发展方向，其选题?立项具有学术权威性。其次，有经费支持的科研课题可以保证学术研究得以深入进行。再次，参与科研课题研究的往往是集中了集体的智慧的学者团队。最后，科研课题的结题需要专家组审核通过其研究成果。所以科研课题的成果表现形式之一———科研论文就具有较高的学术含金。
结论
撰写出高质量、高水平、高规范的学术论文可以体现学者的功力，便于学术研究生命力的产生和发展，帮助作者逐步树立良好学术品格。当然，好文章是好思想的证明，研究本身是基础，形式规范是保证，学术论文水平的提高是一项长跑，需要长期的科学训练才能达到。
程靖，安徽经济管理学院《华东经济管理》杂志社副编审、编辑部主任。
来源：《如何提高学术论文的投稿命中率—以CSSCI来源期刊《华东经济管理》为例》
作者：程靖
本文版权归原作者所有，如有侵权请联系平台编辑。
如何提高论文投稿命中率？聚焦职教从网上搜集整理了一些内容，希望有所帮助：
1、遴选期刊
首先要在学校认定的期刊范围中寻找合适的期刊，一种是能收与你自己“资历”相当的期刊，另一种是和论文主题相近的期刊。
可以登录核心期刊索引数据库搜寻，或者到图书馆直接翻阅该刊物的印刷文本。
2、自我审稿
准备投稿前，作者要认真自审论文稿件，查看是否有雷同、选题是否有学术前沿性、分析论文结构是否严谨、语言是否规范、论文形式是否符合期刊体例等，发现问题及时修改或重写。
3、选择合适的投稿方式
投稿方式有很多种，可以直接寄发刊物编辑部，寄发刊物的主编、副主编或编辑，请导师或他人推荐等。
4、让编辑了解自己
投稿后要多和编辑沟通，及时交流信息，掌握进度，让编辑及时了解自己的要求、意图，会大大有利于稿件的处理与发表。
5、妥善处理一稿多投
不鼓励一稿多投，很多期刊都对此有要求，一经发现，将影响以后该刊对作者文稿的采用。
6、以平常心对待退稿
投稿不可能百发百中，要冷静查找原因。如果是因为“不适宜本刊选用范围”，则应考虑改投他刊；如果需要修改，则可以根据编辑部的意见将论文修改。
1.注意辨别期刊的真伪论文发表，首要的问题就是期刊的真伪鉴定问题。目前市场上很多的非法期刊，让人防不胜防。具体做法：我们拿着期刊名称去新闻出版总署的网站上进行检索系统，凡在检索系统里检索不到的期刊，一般都是非法期刊。所以，如果不知道刊物是否正规，不妨将刊物名称输入检索一下，如果检索不到，自然就是假的。 2.注意发表论文的防由于期刊发表行业比较混乱，什么样的机构与人员都有。很多人由于在发表期刊时，不注意而导致自己。现在该行业惯用的术主要有假冒期刊，把文章发表的赠刊上，直接拿钱跑人等。因此，如果你在网上发现一下类型的广告，千万不要相信：如果对方只留手机号的，请不要轻易相信。如果对方只提供个人账户汇款的，请不要轻易相信。如果对方明显只有一个人的，请不要轻易相信。如果对方承诺包写包发的，请不要轻易相信。 3.论文发表注意时间和期刊的要求规定单位评职称也好，研究生毕业也好，对论文发表的时间都是有要求的。现在很多的学术期刊，排版得很晚，比如一些核心期刊杂志，在2011年8月份就开始征集到了2012年的1月份的文章了。也就是说，作者8月份投稿，文章要在2012年1月份才能见刊，跨越时间很长了。如果是年底评职称，自然要错过递交材料的时间了。所以论文发表前，不妨先咨询下刊物的排版时间，尽量选择能早点出刊的杂志。 另外，很多单位对刊物也有一定的要求。比如大部分刊物都要求刊物是省部级以上的。那样，如果刊物的主管主办单位为一般的县市级单位，那刊物可能就不管用了。还有单位要求发专业相关的期刊，比如评工程师发到教育类的刊物上，或教师职称发到工程类的期刊上，那样的学术成果可能会不被算数，尽管刊物是没有问题。还有单位对论文的字符数也有一定的要求，大部分单位是要求2000字以上，也有单位是要求3000字以上。还有单位对发表论文的数量也有要求，高级职称一般是要求3篇，中级是要求2篇，当然也有地区要求是有就可以。