首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Biblatex再次显示相同的作者,而不是"-“

Biblatex是一种用于处理参考文献和引用的LaTeX扩展包。它提供了更灵活和强大的功能,可以满足不同学术领域的引用需求。

当使用Biblatex时,有时会遇到相同作者的多个文献需要被引用,而默认情况下,Biblatex会使用短横线“-”来代替重复的作者名字。然而,有时我们希望再次显示相同的作者名字,而不是使用短横线。

为了实现这个目标,可以使用Biblatex提供的选项和命令。具体来说,可以使用以下选项来控制作者名字的显示方式:

  1. maxnames:设置在引用中显示的作者名字的最大数量。默认情况下,它的值为3,表示最多显示3个作者的名字。如果想要显示所有作者的名字,可以将其设置为一个较大的值,比如999。
  2. minnames:设置在引用中至少要显示的作者名字的数量。默认情况下,它的值为1,表示至少显示第一个作者的名字。如果想要在引用中显示所有作者的名字,可以将其设置为与maxnames相同的值。
  3. uniquelist:设置在引用中如何处理相同作者的名字。默认情况下,它的值为minyear,表示只有在同一年份的文献中才会使用短横线代替重复的作者名字。如果想要在所有情况下都显示相同的作者名字,可以将其设置为false。

通过调整这些选项的值,可以实现再次显示相同作者名字的效果。例如,可以将maxnames和minnames都设置为999,将uniquelist设置为false,这样就可以在引用中显示所有作者的名字,而不是使用短横线。

腾讯云并没有直接相关的产品或服务与Biblatex相关,因为Biblatex是一个LaTeX扩展包,主要用于学术论文的参考文献和引用管理。如果您需要使用Biblatex,可以在LaTeX的相关社区和论坛上寻求帮助和支持。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • Nature|转录因子NRF1结合和DNA甲基化的竞争性抑制

    目前已经报道了一些转录因子可以结合甲基化的区域,如转录因子REST和CTCF,并且导致结合位点发生去甲基化。本研究作者使用Dnmt3a,Dnmt3b和Dnmt1三突突变体,在突变体背景下,全基因组的DNA甲基化水平发生了下降。通过DHSs-seq测序,DNA甲基化低的区域往往也有DHS-seq信号存在(图1a),为很强的负相关。通过对比DNA甲基化TKO突变体和野生型,作者鉴定了野生型特异和突变体特异的DHS区域(图1b)。作者分别鉴定了TKO(triple knockout)特异和野生型(WT)特异的DHS区域,衡量了其甲基化水平。发现TKO特异DHS区域其本底(野生型)甲基化水平非常高(图1c),也暗示了一些高甲基化区域发生了去甲基化,形成了DHS结合位点。作者接下来分析了不同的转录因子motif在TKO特异背景下的存在比率(图1d),发现了其想研究的NRF转录因子(图1d和e)。

    01

    MOF乙酰基转移酶的时空表达启动转录因子网络调控红系命运

    造血干细胞(HSCs)的自我更新和分化受转录因子和表观遗传调节因子的精细调控。这里,作者探索了组蛋白H4赖氨酸16乙酰转移酶MOF调节红细胞生成的机制。单细胞RNA测序和染色质免疫沉淀测序发现MOF通过动态募集染色质来影响红系发育轨迹,其单倍剂量不足会导致短期的HSC细胞群积聚。由MOF,RUNX1和GFI1B组成的调控网络对于红系命运至关重要。GFI1B充当Mof激活剂,它的表达对于特异性细胞诱导Mof表达是必需和定量的。Mof耗尽HSCs的可塑性可以通过下游效应Gata1的表达或通过组蛋白去乙酰基酶抑制剂的重塑乙酰化平衡来挽救。Mof表达的准确时机和剂量可充当前馈转录因子网络的变阻剂,从而保证沿红系命运的发展。

    02

    ICML 2024 | 基于体素网格的药物设计

    今天为大家介绍的是来自Prescient Design, Genentech团队的一篇论文。作者提出了VoxBind,这是一种基于评分的3D分子生成模型,该模型以蛋白质结构为条件。作者的方法将分子表示为3D原子密度网格,并利用3D体素去噪网络进行学习和生成。作者将神经经验贝叶斯的形式扩展到条件设置,并通过两步程序生成基于结构的分子:(i) 使用学习到的评分函数,通过欠阻尼的Langevin MCMC从高斯平滑的条件分布中采样噪声分子,(ii) 通过单步去噪从噪声样本中估计出干净的分子。与当前的最先进技术相比,作者的模型更易于训练,采样速度显著更快,并且在大量的计算基准测试中取得了更好的结果——生成的分子更加多样化,表现出更少的空间碰撞,并且与蛋白质口袋结合的亲和力更高。

    01

    文本歧义在隐私政策知识图谱构建中的影响

    目前,服务提供商通常会以人工的方式编写隐私政策,告知数据被共享、存储和使用的所有方式。在这种背景下,当一个新的服务推出时,隐私政策也要做相应的调整,同时要确保符合相关法律法规。因此许多服务提供商都试图开发一个自动政策维护的系统,通过NLP的相关技术,从政策文本中提取半结构化数据,在知识图谱中表示出来。然而实际上,隐私政策在大多数用户看来都非常模糊不清、难以阅读。在这篇论文中,作者设计了一个从隐私政策中提取影响其模糊性的特征的系统,对隐私政策模糊性水平进行分类,在OPP-115隐私政策语料库中大多数都是模糊的。并且作者在这篇论文中证明了,当隐私政策文本模糊不清时,基于NLP的提取方法难以得到准确的结果。

    03
    领券