千辛万苦写好的论文，却得到这样的评审意见……

2018年开始，《移动通信》由半月刊改为月刊，决心向学术期刊目标大步迈进。工作调整千头万绪，也不可能一蹴而就，加强编辑部与作者群体的交流互动成为我们重要的一课。

今天小编想从“审稿意见”这个角度出发，和大家共同交流探讨。

以下是近期来自投审稿平台的部分内容节选，有审稿专家对投稿论文给出的专业指导意见，也有编辑对论文学术研讨价值的一些思考——

一、怎样在学术研讨价值方面再多迈几步？

论文投稿日期20180621

编辑意见：本文基本上是个使用说明书，对某运营商客服体系中语音识别的应用做了介绍，该介绍仅停留在交流汇报的层次，类似于汇报材料改写为论文的样式。

那么这样的文章有没有论文发表价值呢？也许有，但实在不大。特别是从文章的整体内容上来看，对于将语音识别应用于客服系统，完全是成果性展示，或者说是所做工作的回顾总结。

那么我们知道人工智能、语义识别应用于实际中的时候，还有很多问题没有解决，应用过程中也存在这样或者那样的问题，甚至还存在这样或者那样的风险。已经建立了语义识别客服系统的单位和机构，一定也会多多少少遇到类似问题，没有建设的单位或许正需要了解这类问题，学术研究者们也正需要这一类的应用案例，从语义识别的各种失败案例和应用痛点中发掘新的发展方向。那么这时候，这种内容的论文就或许能对未来三到五年的人工智能、语义识别领域的研究有一定的数据参考、借鉴价值。

这也仅仅是个参考借鉴价值，是数据类型的。如果能在各类问题、数据的基础上，分析总结出问题的规律、实质原因、算法上的缺陷。那么价值又更进一步。如果还能提出些许改进方案，比如对算法优化有所贡献，如果到了这个层次，那么就可以称之为“具有一定的学术研讨价值”，不仅文章被录用，我刊还会发放数千元的稿费奖励。

那么回到原文，我们认为，该文仅仅是个系统功能介绍，属于汇报类型，恐怕还难以录用。请作者根据实际，看看怎样在学术研讨价值方面往前再多迈几步。我们愿意多等等。

二、“核心问题”！你却忘了告诉我们是啥

论文投稿日期20180402

审稿专家：（1）本文通过移动用户的出行端点识别关键的OD点，基于关键OD点构建整个城市范围内的空间交互网络，再次，采用Jaccrad相似度度量空间交互网络节点之间的相似度，最后，采用LPA来实现空间交互网络内聚子图的划分，实现了整个城市范围内热点区域的识别。该方法实现了挖掘城市热点的目标，具有社会意义；

（2）可以做出更细致的城市热点挖掘：比如取样对象更多，时间段更细；

（3）未来可将城市热点挖掘的结果进行实时处理以用于商业活动。

1.什么是LPA算法？作者在文中提到LPA两次（包括摘要中一次），却没有任何介绍。英文缩写是什么？算法流程是什么？有什么作用？如何与Jaccard相似度相配合使用？这些核心问题都没有任何文字交代。作者需要对这些内容进行“大量”文字内容补充。

2.公式1需要具体解释说明。比如：Wuv、F(u)和F(v)的实际例子是什么？应该在2.5中加以详细举例说明。

3.本文对于图1和图2的挖掘结果论述不足。图1和图2中的共同红色区域，应该如何解释？

三、实验！实验！描述别太简略

论文投稿日期：20180327

审稿专家：（1）本文通过对获取的某个区域的500名用户的2个月的业务数据进行预处理，采用GN算法提取社区核，计算移动用户时空相似性并借助阈值判断离散节点的归属，实现了重叠社区发现，相对传统的重叠社区发现方法：CPM算法，具有更高的计算效率和准确性，提高了社区发现的精确度；并且该方法是基于移动社交网络的，所以克服了传统的社区发现算法没有考虑移动用户之间的上下文信息的缺点；

（2）本文中没有将基于移动网络的重叠社区发现算法与提出的SLPA算法进行比较；

（3）本文的实验过程和实验数据不够详细，实验分析不够深入；

（4）本文没有提出基于移动网络的重叠社区发现算法的实用价值和可运用领域。

该文针对移动社交网络社区发现不精确的问题，引入移动用户的上下文信息，采用移动用户社交网络的介数来剔除移动社交网络中不稳定的边，利用GN算法提取社区核后采用节点与社区核之间的相似度来获取最终的社区结构的重叠社区发现算法。整体上来看，存在如下问题：

1.公式1中有多个参数未进行解释说明。

2.应说明公式2的计算过程。

3.应对该算法的应用领域进行介绍。

4.文中提到了两种传统重叠社区发现方法，CPM与SLPA，但实验结果只有与CPM的对比。

5.文中是如何对选定的500名用户设定标签，预先直到原始社区划分的？如何保证预先划分的正确性？

6.文中的实验过程、实验分析和实验数据描述太过简略。

7.GN的算法全称需要补充。

四、还需要那么一点点就完美

论文投稿日期20180327

审稿专家：该文针对传统的马尔可夫模型准确率不高、效率低的问题，提出了基于后缀树的异常用户轨迹检测模型。结合移动用户在某个位置的逗留时长对数据进行预处理；然后依时间将移动用户的轨迹序列化；再计算用户轨迹序列上下文的概率特征，并构建概率后缀树；最后通过计算用户轨迹序列之间的相似度来实现轨迹异常检测应用。

论文结构合理，思路清晰，实验数据可信。

建议：实验部分显得有点单薄，最好多一点实验分析。

五、不用多说，就是它了！

论文投稿日期20180312

审稿专家：文章介绍了5G中比较热点的三种候选波形技术FBMC, RB-F-OFDM和UFMC，描述了三种波形的系统结构以及算法设计，通过链路级仿真给出了三种波形的优缺点、性能和给出三种新波形的应用场景建议，为今后5G波形的选择与应用提供了重要的技术基础。文章设计及方法合理，数据可靠，观点正确，是一篇针对5G中的候选波形技术研究论述比较全面的文章。

建议刊用。

比起冷冰冰的“录用”和“退稿”，大家对以上“审稿意见”又会有什么看法呢？

最后，小编提醒大家，还可以对“审稿意见”发起申诉！ 千万别客气！

▼