【連載 伝わる論文】Title & Abstractの書き方

前回：Introductionの書き方

おさらい：前回までに、基本編として論文の基本構成とIntroductionの書き方を紹介しました。
もしIntroduction編を未読の方は、個人的にイチオシの内容なので、ぜひ読んでみてください。
今回は、前回のIntroductionの補足編として、TitleとAbstractの書き方について解説します。

Titleの書き方

論文の構成例では省略していましたが、論文には必ず表題（Title）と概要（Abstract）が含まれます。
これらは極めて重要な要素であり、一般読者が論文を「読んでみたい」と思うかはTitleで決まり、査読者が「査読してみよう」と思うかはTitleとAbstractで決まると言っても過言ではありません。

Titleの頻出15パターン

まずはどのような論文タイトルがあるのか見てみましょう。
論文タイトルには多種多様なスタイルがあるものの、私の過去のパターンや、他の論文の例から、以下の15パターンを挙げてみました。
私の論文例（リンク付きの文献）と、有名な論文の例などをあわせて紹介します。

1. 手法名/技術名/問題名（シンプルかつ直接的。独自性の高い手法や新たな問題の提唱の際に）

   • "Support vector machines" [Hearst, Dumais & Osuna et al. (1998)]

   • "Shape from interreflections" [Nayar, Ikeuchi & Kanade (ICCV 1990; IJCV 1991)]
     ※ ICCV 1990 Best Paper (Marr Prize)

   • "Joint Recovery of Dense Correspondence and Cosegmentation in Two Images"  [Taniai et al. (CVPR 2016)]

2. 問題/手法 using 技術（問題と使用した技術を明確に示すオーソドックスなスタイル）

   • "Path Planning using Neural A* Search"  [Yonetani & Taniai et al. (ICML 2021)]

   • "Continuous 3D Label Stereo Matching using Local Expansion Moves"
      [Taniai et al. (TPAMI 2018)]

   • "Image Segmentation using Dual Distribution Matching" [Taniai et al. (BMVC 2012)]

3. 問題/手法 by 行為/アプローチ（手段や道具よりも行為やプロセスのニュアンスを重視）

   • "Understanding Deep Image Representations by Inverting Them"
     [Mahendran & Vedaldi (CVPR 2015)]

   • "Contrastive Language–Structure Pre-training Driven by Materials Science Literature"  [Suzuki et al. (AI4Mat 2024)]

4. 問題 via 手法/技術（提案手法を解決の「経路」として意識）

   • "Self-supervised learning of materials concepts from crystal structures via deep neural networks"  [Suzuki et al. (MLST 2022)]

   • "Quasistatic contact-rich manipulation via linear complementarity quadratic programming"  [Katayama et al. (IROS 2022)]

5. 手法/技術 for 問題（提案した手法や技術をフィーチャーしながら問題を提示）

   • "Deep Residual Learning for Image Recognition" [He, Zhang, Ren & Sun (CVPR 2016)]
     ※ CVPR 2016 Best Paper

   • "Neural Inverse Rendering for General Reflectance Photometric Stereo"  [Taniai & Maehara (ICML 2018)]

   • "Superdifferential Cuts for Binary Energies"  [Taniai et al. (CVPR 2015)]

6. 手法/技術/問題 with 付随要素（冒頭に主題を据えつつ、重要な付随要素も強調）

   • "Highly accurate protein structure prediction with AlphaFold" [Jumper, Evans & Pritzel et al. (Nature 2021)]
     ※ The Nobel Prize in Chemistry 2024

   • "Neural networks and physical systems with emergent collective computational abilities" [Hopfield (PNAS 1982)]
     ※ The Nobel Prize in Physics 2024

   • "Neural structure fields with application to crystal structure autoencoders" [Chiba & Suzuki et al. (Commun Mater 2023)]

   • "Fast Multi-frame Stereo Scene Flow with Motion Segmentation" [Taniai et al. (CVPR 2017)]

7. 問題 in/under 条件/状況（既存の問題をより難しい設定で取り組んだ際に）

   • "Face detection, pose estimation, and landmark localization in the wild" [Zhu & Ramanan (CVPR 2012)]

   • "Robust Face Landmark Estimation under Occlusion" [Burgos-Artizzu, Perona & Dollár (ICCV 2013)]

8. 手法名: サブタイトル（深層学習時代の流行。手法名には〇〇Netが使われることも多い）

   • "Adam: A Method for Stochastic Optimization" [Kingma & Ba, (ICLR 2015)]

   • "Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift" [Ioffe & Szegedy (ICML 2015)]

   • "Crystalformer: Infinitely Connected Attention for Periodic Structure Encoding" [Taniai et al. (ICLR 2024)]

9. Rethinking/Revisiting 問題（既存の問題やアプローチを再考し、新たな視点や方法を提示）

   • "Rethinking the role of frames for SE(3)-invariant crystal structure modeling" [Ito & Taniai et al. (ICLR 2025)]

10. 技術 is All You/We Need (for 問題)（流行。強すぎるトーンをWeやforで弱めることも）

    • "Attention Is All You Need"  [Vaswani, Shazeer, Parmar et al (NIPS 2017)]

11. 発見したもの・現象 in 場所（興味深い発見の報告と分析。本格フレーバーを感じる）

    • "Spontaneous Symmetry Breaking in Generative Diffusion Models" [Raya & Ambrogioni (NeurIPS 2023)]

12. 疑問形（問題提起を主題としたメッセージ性の強いスタイル。結論が分からない欠点も？）

    • "What is a light source?" [Langer & Zucker (CVPR 1997)]
      ※ CVPR 1997 Best Paper

    • "What is the set of images of an object under all possible lighting conditions?" [Belhumeur & Kriegman (CVPR 1996)]
      ※ CVPR 1996 Best Paper

13. 結論ワンセンテンス（主語・動詞を持つ一文。強烈なメッセージ性。憧れる）

    • "Generalization in diffusion models arises from geometry-adaptive harmonic representations" [Kadkhodaie, Guth, Simoncelli & Mallat (ICLR 2024)]
      ※ ICLR 2024 Outstanding Paper

    • "Understanding deep learning requires rethinking generalization" [Zhang, Bengio & Hardt et al. (ICLR 2017)]
      ※ ICLR 2017 Best Paper

14. A (形容詞) method for 問題（古典サイエンス的。CS分野では珍しい）

    • "A rapid and sensitive method for the quantitation of microgram quantities of protein utilizing the principle of protein-dye binding" [Bradford (Anal Biochem 1976)]

15. パロディ系（著者のセンスが光る。有名なことわざや楽曲名、小説の一節などを改変）

    • "You Only Look Once: Unified, Real-Time Object Detection" [Redmon, Divvala, Girshick & Farhadi (CVPR 2016)]
      ※ 元ネタは You Only Live Once (YOLO) ということわざです

    • "YOLO9000: Better, Faster, Stronger" [Redmon & Farhadi  (CVPR 2017)]
      ※ CVPR 2017 Honorable Mention。元ネタは Daft Punk の曲『Harder, Better, Faster, Stronger』と思われます

    • "One Model To Learn Them All" [Kaiser, Gomez, & Shazeer et al. (2017)]
      ※ 元ネタは The Lord of the Rings の一節 "One ring to rule them all" です

なお、using と by は似た機能をする場合がありますが、using のほうが一般的のように思います。
これは、using が手段としての具体性を持ち、能動的な印象を与える一方、by はやや抽象的な行為やプロセス、あるいは受動的な印象を与えるからかもしれません。
一方で、パターン3のように、あえて by を使うことこともフックが効いておもしろいとも思います。

Titleの決め方

私の場合ではありますが、タイトルを考える際は、主に以下の観点を総合的に考慮して決めています。

• 論文の「主題」を明らかにする

• 問題や技術を示唆するキーワードを含める

• 想定される読者や検索キーワードを意識する

• 論文のフォーカスを適切に表現する

• 簡潔かつ魅力的にする

以下で、順に説明します。

まず、論文の「主題」を明らかにするとは、どんな問題を扱った研究なのかをタイトルから一目で伝えることです。

具体的には、問題や技術を示唆するキーワードをタイトルに含めることが求められます。
たとえば、Path Planning [Yonetani & Taniai et al. (ICML 2021)] や Stereo Matching [Taniai et al. (TPAMI 2018)] は、扱う問題を明確に示すキーワードの好例です。

これに、さらに手法やアプローチを表す言葉を組み合わせることで、他の論文との差別化が図れます（上記パターン2～5、8など）。
単に問題だけを表すタイトルでは、類似研究との区別が難しくなる場合が多いです。
しかし、扱う問題自体が新規性を持つ場合には、問題名称を簡潔に表すタイトルも有効でしょう（上記パターン1）。

手法名のみをシンプルに述べるスタイルのタイトル（上記パターン1）は短くて印象的ですが、私個人としては、問題を示すキーワードを盛り込むことを推奨したいです。
これは検索でのヒット率を向上させるためです。
現在、国際会議で発表される論文数は1回の開催で数千件に及び、タイトルリストを上から下まで確認するだけでも膨大な労力がかかります。
論文発表を見てまわる人も、おそらくキーワードで検索しているでしょう。
さらに、会議終了後、論文は広大なインターネット上で公開されることを考慮すると、対象問題を端的に示すキーワードをタイトルに含めることが、より重要になると思います。

キーワードの選定では、論文の投稿先や想定される読者層を考慮することも大切です。
私の論文を例にすると、同じ材料科学系の研究であっても、機械学習系の国際会議に投稿した際には、Crystal というキーワードを用いて結晶構造を扱う材料系応用論文であることを明示しつつ、技術的キーワードとしては Attention や Frames といった専門的な用語を選びました [Taniai et al. (ICLR 2024); Ito & Taniai et al. (ICLR 2025)]。
一方で、サイエンス寄りのジャーナルに機械学習の応用論文として投稿した際には、Self-supervised Learning や Deep Neural Networks といった、機械学習の概念として広く認知された技術キーワードを採用しました [Suzuki et al. (MLST 2022)]。

実際にタイトル文を考える際には、このようにして使いたいキーワード候補を考えてから、それらを組み合わせることでタイトルの素案を作っています。

この際、タイトルと論文内容の間に齟齬（ギャップ）が生じないよう注意することが肝要です。
タイトルのフォーカスを広げすぎたり、論文内容と大きく異なるニュアンスを含めたりすると、リジェクトの原因になり得ます。
たとえば、結論ワンセンテンス型のタイトル（上記パターン13）は、自信をもってその結論を主張可能な場合にのみ採用するべきです。
国際会議の査読では反論（rebuttal）の機会が与えられていますが、タイトル変更を伴うような大幅な修正が必要と判断された場合は、リジェクトされる可能性もあります。

最後に、出来上がった素案から無駄な単語を省き、必要な情報を簡潔に伝えながら、魅力的な表現を追求します。
たとえば、"new" や "novel" といった単語は、学術論文が本来新規性を前提としている以上、ほとんどの場合で不要です。
短いタイトルは魅力が増す傾向にありますが、その分、過剰な主張や情報不足、検索漏れのリスクが伴います。
これらを踏まえ、自身の好みとバランスを取りながらリスクと魅力度のバランスを調整するのがよいでしょう。

論文タイトルを考える時間は、論文執筆の工程の中でも最も楽しく、創造性を発揮できる瞬間だと思います。
（私は、良いアイディアを思いついたら、まず論文タイトルを考えがちな人間です）

Abstractの書き方

Abstractは、基本的には前回紹介したIntroductionの標準スタイルの流れを、さらに簡潔に凝縮したものになります。
具体的には、以下の要素を含むのが一般的です。

• 背景と動機（1～2文）: 本研究が取り組むトピックの重要性を示す

• 問題提起（1～2文）: 現在の課題や未解決の問題を簡潔に述べる

• 提案手法の概要（2～3文）: どのようなアプローチで問題を解決するかを説明

• 主要な成果（2～3文）: 定量的または定性的な結果を強調し、本研究の有効性を示す

• 結論とインパクト（1～2文）: 本研究の意義や波及効果を示唆（省略することもあり）

これらの要素を組み込むことで、Abstract全体を100～200語程度（通常150語前後）にまとめるのが一般的です。
また、専門用語や略語の使用は必要最低限にとどめ、専門外の読者にも理解しやすい表現を心がけることも大切です。

私の過去の論文を改めて調べたところ、CS系の国際会議論文では、最後の「結論とインパクト」は省略し、「主要な成果」で終わることが多かったです。
確証度の高くない主張に踏み込みすぎると、査読時に弱みを作ってしまうため、リスクヘッジのためにAbstractでは書かなかったのだと思います。
また、長さは、ほとんどが150 ± 25語程度に収まっていました。

Abstractの表の役割は、読者に研究の全体像を瞬時に伝え、本文を読み進める動機を与えることです。
そのため、Introductionの内容を下敷きにしつつも、最も重要な要素だけを取り出し、簡潔かつインパクトのある表現に仕上げる必要があるでしょう。
一方で、裏の役割として、査読者が論文を査読するかどうかの判断材料にもなります。
したがって、扱うトピックに関して十分な知識を持った査読者に当たるように、適切なキーワードを盛り込むことも意識したほうがよいでしょう。

まとめ

• 論文タイトルは、扱う問題や採用した技術やアプローチが端的にわかるよううなキーワードを含める。

• キーワードの選定では、検索のヒットしやすさ や 投稿先の読者層 を考慮する。

• タイトルと論文内容の間にギャップが生じないよう注意する。（乖離が大きすぎると最悪リジェクトの原因になる）

• 仕上げにタイトルから無駄な単語を省き、魅力度をブラッシュアップする。

• Abstractは、Introductionをさらに簡潔に圧縮するような形で書く。

• Abstractでは、専門用語や略語の使用は必要最低限にとどめる。

• タイトルとAbstractは、査読者が論文を査読するかの判断材料になることも意識する。

今回は、論文が読者にリーチするかどうかの鍵となるTitleとAbstractの書き方について解説しました。
次回は、Related Workの書き方について解説します。
Related Work は地味に一番書くのが難しい章だと思っており、次回の内容もIntroductionに並び、イチオシの内容のつもりです。

次回：Related Work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！