各位研究生们，能不能推荐一个你们觉得好用的论文在线翻译软件？ 第1页

来了老铁，写论文还是很重要滴。为什么说论文重要？听我细细道来。

本文三千多字，长文干货预警，建议收藏。各位研究生、准研究生以及考研学子们，千万别走开，认认真真看完这篇文章，对你的研究生生涯一定大有裨益。

首先对于考研学子而言，复试阶段能有论文成果是个很大的加分项。我们当时考研复试的时候，有些同学本科阶段发表过一定质量的论文，那面试分都是相当高的。哪怕你发到了水区，至少你熟悉了论文发表的整个流程。对于导师而言，你至少比那些没有任何成果的同学更努力更有慧根。

对于在读研究生而言，又分为学术论文和毕业论文。即便学校只要求毕业论文，但各位同学要知道硕士毕业论文也没那么好搞定。研究生毕业论文难度比本科毕业论文难度高了不止一个档次。所以能顺利研究生毕业也是不容易。衲哥身边的同学大多数都被毕业论文折磨过，甚至有些还因为延毕而丢了工作的。再说到前段时间一些985软件工程硕士的论文抄袭事件，也足以说明毕业论文真的是要引起重视啊。

这几年找我咨询的同学里，就有一小部分死活搞不定毕业论文的，最后无奈退学。不免让人唏嘘不已。考研不易，但读研也不能掉以轻心。

所以对于论文这个事情，不管是不是在读研究生，亦或是考研学子，都应该提前做好思想准备。只要思想上引起重视，行动上认真对待，大多数在读研究生还是能顺利毕业的。所以也不必过于忧心。

谈到写论文，那第一件事就是你得阅读大量的参考文献。你只有先学习别人的论文怎么写，他研究的是什么方向，如何形成一个完整的作品，并且有哪些工作是别人已经做过的。这样之后，你再逐步开始自己的思考才是事半功倍。

国内的参考文献固然很多，但考虑到集思广益，也应该多看看国外文献。这样才能更好的了解当下的新知识。别的咱不说，B格首先就上去了。况且很多导师特别喜欢给你发各种外文文献，让你谈谈读后感。

衲哥英语虽说过了六级，也能和老外进行简单的书信和口头交流。但真说到看外文文献，咱不说能不能全吸收，效率是真低啊。最早的时候，我是先看原文，遇到生词再某度翻译。效率太低了，很费时间，都没空刷剧逛gai了。最后在同学的安利下用起了某道词典，emmmm真香诶。

别急，这么好用的玩意儿马上就分享出来，赶紧收藏下来。整理不易，必须支持。

第一步：打开有道文档翻译网址

现在市面上的文档翻译软件大部分都是要付费的，价格不菲。有道翻译针对国内认证大学生是不限翻译次数、免费导出全文。

第二步：点立即翻译选择本地文件或拖入文件

第三步：点击翻译，不到一分钟就能出来原文和译文，非常便于对比查阅

第四步：我们看看翻译结果对比

同学们可以试着看看摘要内容，看看自己阅读和有道翻译后的结果

Abstract: As a result of a huge volume of implicit feedback such as browsing and clicks, many researchers are involving in designing recommender systems (RSs) based on implicit feedback. Though implicit feedback is too challenging, it is highly applicable to use in building recommendation systems. Conventional collaborative filtering techniques such as matrix decomposition, which consider user preferences as a linear combination of user and item latent features, have limited learning capacities, hence suffer from a cold start and data sparsity problems. To tackle these problems, the
research direction towards considering the integration of conventional collaborative filtering with deep neural networks to maps user and item features. Conversely, the scalability and the sparsity of the data affect the performance of the methods and limit the worthiness of the results of the recommendations.

Therefore, the authors proposed a multi-model deep learning (MMDL) approach by integrating user and item functions to construct a hybrid RS and significant improvement. The MMDL approach combines deep autoencoder with a one-dimensional convolution neural network model that learns user and item features to predict user preferences. From detail experimentation on two real-world datasets, the proposed work exhibits substantial performance when compared to the existing methods.

这是我的白话文翻译：

（这是篇关于推荐系统的文章，里面有很多专业术语。各位看不懂没关系，只需领会大致意思。）

摘要：大量隐式反馈的存在（如浏览和点击），让许多研究者致力于设计基于隐式反馈的推荐系统。虽然隐式反馈很难搞，但这玩意儿对推荐系统很有用。传统的协同过滤技术，比如矩阵分解（matrix decomposition），他们喜欢把用户和商品的潜在特征的线性组合当成用户偏好，这样做的话，系统的学习能力非常有限，这导致了两个头疼的问题，冷启动和数据稀疏问题。为了解决这些问题，一些研究方向把传统的协同过滤（其实也没那么传统，还结合了深度神经网络）集成到用户和商品特征的映射中。然而数据的可扩展性和稀疏性影响到了这个方法的性能，并且还限制了推荐结果的价值。

因此，本文作者提出了一种多模型深度学习方法（简称MMDL），这个方法通过集成用户和商品函数来构建混合推荐系统，效果显著。本文的MMDL方法，把深度自动编码器和一维的卷积神经网络模型相结合，该模型能通过学习用户和商品特征来预测用户偏好。那么本文的详细实验是基于两个从现实中采集的真实数据，通过和现有方法相对比，各位就会发现，我提出的工作是展示出了一些实质性的性能哦。

有道翻译结果：

摘要:由于浏览、点击等隐式反馈的大量存在，许多研究者都在研究基于隐式反馈的推荐系统。虽然隐式反馈具有挑战性，但它在构建推荐系统中非常适用。传统的协同过滤技术，如矩阵分解，将用户偏好视为用户和商品潜在特征的线性组合，其学习能力有限，因此存在冷启动和数据稀疏问题。为解决这些问题，研究方向是考虑将传统协同过滤与深度神经网络集成到用户和物品特征映射中。相反，数据的可扩展性和稀疏性影响了方法的性能，限制了推荐结果的价值。

因此，作者提出了一种多模型深度学习(MMDL)方法，通过整合用户和项目函数来构建混合推荐系统，并得到显著的改进。MMDL方法将深度自动编码器与一维卷积神经网络模型相结合，该模型可以学习用户和物品的特征，从而预测用户偏好。通过对两个真实数据集的详细实验，与现有方法相比，提出的工作显示了实质性的性能。

怎么样同学们？是不是果然很容易看懂。其实只要有英语四级的水平，然后通过有道文档翻译这类实用工具，对照着中英文看，就能很容易把握外文文献的主旨。

尤其针对在读研究生们，如果你导师特别喜欢动辄发外文文献给你看，然后让你在周会上发表想法。记得不要傻傻的自己逐字逐句翻译，效率太低了。直接通过翻译软件领会文章精神，然后再去看一遍原文，这样效率超高。别人看一篇，你看三篇，省下的时间去约会不香吗？

有道翻译这个工具，我个人总结下来有几个优点。

1. 专业术语的翻译很到位很准确
2. 速度快，个人使用感受基本几十秒就能出结果
3. 排版美观，和原文对比起来很方便
4. 不需要借助vpn和其他小工具，直接在国内就能轻松使用
5. 关键他针对国内认证大学生是免费翻译的啊，那免费的难道不香吗

最后祝各位学弟学妹们学业顺利，点不点赞无所谓，但是全都给我顺利毕业啊！

我是 @老衲不生气 ，你考研读研与求职路上的好朋友。记得关注我，未来还会有更多干货分享。