【連載 伝わる論文】論文の基本構成

前回：はじめに

今回から、基本編にあたる内容の記事を投稿していきます。
初回は論文の基本的な章立ての構成と各章の役割について、次回以降の記事では各章の書き方について解説していきます。

論文の3つの構成パターン

論文は、Introductionで始まり、その後メインコンテンツとなる手法と実験結果を説明し、Discussionで議論を深め、最後にConclusionsで締めるのが大きな流れとなります。
この流れを形作る論文の章立てには、分野によって好んで用いられるパターンがいくつか存在します。

本記事では、私の専門であるコンピュータサイエンス（CS）分野の、特にAI関連領域において代表的な論文の構成例として、応用分野系、機械学習系、サイエンス系と名付けた3つのパターンを紹介します。

それぞれのパターンの構成例と各章の役割は以下の通りです。

今回の記事では全体的な説明にとどめ、各章の役割や書き方などの詳しい解説は次回以降に紹介します。

応用分野系

CS分野の中でも特に、コンピュータビジョンや自然言語処理、ロボティクスなどの応用分野で広く好まれているスタイルです。
特徴として、Related WorkがIntroductionの次に位置しています。
私自身の例としては、Katayama et al. (IROS 2022)、Taniai et al. (TPAMI 2018)、Taniai et al. (CVPR 2017)、Taniai et al. (CVPR 2016)、Taniai et al. (CVPR 2014) などがあります。

機械学習系

CS分野の中でも特に、機械学習分野で好まれているスタイルです。
この形式の特徴として、Related WorkがProblem & Methodより後ろに位置しています。
ただし、必ずしも図のようにProblem & MethodとExperimentsの間とは限りません。
たとえば私の論文では、Ito & Taniai et al. (ICLR 2025)、Taniai et al. (ICLR 2024)、Taniai et al. (CVPR 2015) などは、図と同じような位置にRelated Workを置いた例になります。
一方で、Yonetani & Taniai et al. (ICML 2021)、Taniai et al. (ICML 2018) などは、Related WorkをExperimentsより後ろに置いた例になります。

サイエンス系

Nature系列やScience系列などの伝統的なサイエンス系雑誌で好まれるスタイルです。
特徴として、Introductionで核心的な内容まで突き進み、Resultsで手法の大まかな説明と結果を提示しながら深掘りし、最後にMethods で手法や実験設定の詳細を補足的に述べます。
AI技術の応用研究をサイエンス系雑誌に投稿する際には、このようなスタイルに寄せることが望ましいでしょう。
私自身の例として、Suzuki et al. (MLST 2022)、Chiba & Suzuki et al. (Commun Mater 2023) などがあります。

なお、各章の見出しについて、「Problem & Method」は本記事で便宜上書いたもので、実際の論文では、扱う内容に即した、具体的な問題名や手法名が用いられることが多いです。
一方、他の章の見出しは、図に挙げた通りに用いられることが多いです。
特に単数・複数形の表記の違いも、図に記載した通りに表記されることが多いです。

論文を執筆する際には、投稿先の論文をいくつか確認して、投稿先のコミュニティで好まれるスタイルから大きく外れないように心掛けるのがよいでしょう。

関連研究（Related Work）の位置

このように論文構成をパターン化すると、特殊なサイエンス系の形式を除き、「関連研究（Related Work）の章をどこに置くか」という点が最も大きな問題になります。

近年では、AI技術の進展により分野間の融合が進み、応用分野と機械学習分野のどちらにおいても、それぞれのスタイルが受け入れられる状況になっています。
その結果、関連研究の配置については著者自身の意思決定が、これまで以上に大事になってきていると言えます。

結論として、関連研究をどこに配置するかは、読者にとって論文全体の理解が最も深まる位置を考慮し、各論文ごとに適切に判断されるべきでしょう。

関連研究は、適切に書かなければ「その領域に詳しい読者には既知の事実を繰り返すだけの内容となり、詳しくない読者には何も伝わらない無味乾燥な文章」になってしまうリスクが高いです。
このような学びの少ない文章を読まされる時間は、読者にとって苦痛です。
関連研究の配置は、このようなリスクを低減する方法の1つになります。

これは私独自の見解ですが、機械学習系の論文で関連研究が論文後方に配置されることが多い理由の一つは、数式を多く伴う理論寄りの研究内容では、Problem & Methodで土台となる理論体系を示した後でなければ、関連研究の説明を正しく理解することが難しいためではないかと思います。
実際、私自身も初期の頃の画像処理の論文 [Taniai et al. (CVPR 2015)] において、数理的な提案手法と既存手法との関係を効果的に説明するため、自然とMethod → Related Work のような説明順序を採用していました。

一方で、応用分野の論文では、既存研究について言葉だけで概念的に説明しやすいことが多いため、Introduction → Related Work → Problem & Method の順序でも十分に成立しやすいです。
この順序を採用することで、研究のフォーカスや既存研究との違いを明確にした上で提案手法を説明でき、結果として提案手法への理解を深めることができるでしょう。

個人的におすすめの構成パターン

私自身は、最近は応用分野系と機械学習系の双方のスタイルのトレードオフをバランスする方法として、Introduction → Preliminaries → Method → ･･･ → Related Work の順序を好んで採用しています [Ito & Taniai et al. (ICLR 2025); Taniai et al. (ICLR 2024); Yonetani & Taniai et al. (ICML 2021); Taniai et al. (ICML 2018) ]。
Preliminariesでは、Problem と Related Work の中間のような役割で、提案手法を理解するために必要な問題設定や重要な既存研究の知識を数式を用いて整理します。
こうすることで、その後のMethodとRelated Workの内容が、より明確になると感じています。

まとめ

• 論文の章立て構成は、分野によって好まれるパターンが存在するので、執筆前に投稿先コミュニティで好まれるスタイルを確認する。

• CS系の国際会議では、一般的に イントロダクション→関連研究→問題設定・手法→実験→議論→結論 の流れが基本となるが、関連研究の位置は自由度が高い。

• サイエンス系ジャーナルでは、イントロダクション→手法と結果→議論→結論 の構成が多く、詳細はMethodsとして最後に補足的にまとめることが多い。

• CS系の国際会議では、関連研究は、読者にとって論文全体の理解が最も深まる位置を論文ごとに考えるのがよい。

• 個人的おすすめは、イントロダクションの次にPreliminariesを設けて 問題設定や重要な先行研究について説明し、より網羅的な関連研究を手法より後で述べるスタイル。

これからは、応用分野系と機械学習系のスタイルにのっとり、論文の各章の書き方を具体的に解説していきます。
次回は、論文で一番大事な「Introductionの書き方」についてです。

次回：Introductionの書き方

連載の励みになりますので、よかったら応援お願いします！