Guía para enviar tu artículo para publicación
Sigue estos pasos para una presentación exitosa del trabajo.
― 4 minilectura
Tabla de contenidos
Cómo Enviar Tu Artículo para Publicación
Enviar un artículo para publicación puede parecer complicado, pero hay pasos claros a seguir. El objetivo es asegurarte de que tu trabajo esté bien presentado y sea fácil de leer. Aquí tienes una guía detallada para ayudarte en el proceso de envío.
Envío Anónimo
Si estás enviando un artículo de forma anónima, asegúrate de seguir estas reglas:
- No incluyas tu nombre ni detalles sobre dónde trabajas. En su lugar, escribe "Envío Anónimo."
- Elimina cualquier dato personal de tu archivo PDF antes de enviarlo.
Formateando Tu Artículo
Tu artículo debe verse uniforme para todos los envíos. Aquí te explico cómo formatearlo:
Títulos y Secciones: Usa un título claro para tu artículo. Organízalo en secciones con encabezados. Mantén un control de tus secciones y números; deberían seguir un flujo lógico.
Figuras y Tablas: Coloca las figuras y tablas justo después del texto donde las mencionas por primera vez. No las juntes todas al final. Cada figura y tabla debe tener una leyenda clara debajo.
Márgenes y Diseño: Usa tamaño carta de EE. UU. (8.5 x 11 pulgadas) para tu artículo. Asegúrate de que tu texto esté en dos columnas. Mantén tus márgenes de la siguiente manera:
- Margen superior: 1.25 pulgadas (primera página), 0.75 pulgadas (otras páginas)
- Margen izquierdo: 0.75 pulgadas
- Margen derecho: 0.75 pulgadas
- Margen inferior: 1.25 pulgadas
Fuente y Tamaño: Usa Times New Roman o Nimbus en tamaño 10. Asegúrate de que las líneas estén bien espaciadas también.
Color del Texto: Usa solo texto negro; no incorpores ningún color.
Enviando Tu Artículo
Al enviar, necesitarás proporcionar archivos específicos. Asegúrate de reunir lo siguiente:
- Una versión PDF de tu artículo que esté bien formateada.
- Un solo archivo fuente (normalmente un archivo .tex) que incluya todo el texto.
- Un archivo de bibliografía que liste todas las fuentes a las que te refieres en tu artículo.
Asegúrate de que tu archivo fuente pueda compilar en el sistema donde se revisará. Incluye solo gráficos necesarios que hayas utilizado en el artículo.
Revisando Errores
Antes de enviar, verifica:
- Que todas las páginas estén incluidas y correctamente formateadas.
- Que no falten citas o referencias.
- Que el diseño coincida con el estilo requerido.
Agradecimientos y Derechos de Autor
En tu artículo, puede que quieras agradecer a personas u organizaciones que te ayudaron. Esto debería hacerse en una sección antes de las referencias.
Recuerda siempre incluir un aviso de derechos de autor si se requiere. Esto protege tu trabajo cuando se publique.
Sección de Referencias
Al final de tu artículo, incluye una lista de todas las fuentes que citaste. Etiqueta esta sección como "Referencias". Es vital listar estas correctamente y de manera consistente.
Revisión Final
Una vez pienses que estás listo:
- Revisa todo el artículo una vez más.
- Asegúrate de que se sigan todas las reglas de formato.
- Asegúrate de que el contenido sea claro y comprensible, incluso para no expertos.
Seguir estos pasos aumentará la probabilidad de que tu artículo sea aceptado para publicación.
Consejos para el Éxito
- Mantén tu escritura simple y directa.
- Haz que tus argumentos sean claros, apoyándolos con evidencia sólida.
- Si es posible, pide a alguien más que lea tu artículo antes de enviarlo. Podrían notar errores que tú pasaste por alto.
Recuerda mantenerte organizado a lo largo del proceso. ¡Buena suerte con tu envío!
Título: SupplyGraph: A Benchmark Dataset for Supply Chain Planning using Graph Neural Networks
Resumen: Graph Neural Networks (GNNs) have gained traction across different domains such as transportation, bio-informatics, language processing, and computer vision. However, there is a noticeable absence of research on applying GNNs to supply chain networks. Supply chain networks are inherently graph-like in structure, making them prime candidates for applying GNN methodologies. This opens up a world of possibilities for optimizing, predicting, and solving even the most complex supply chain problems. A major setback in this approach lies in the absence of real-world benchmark datasets to facilitate the research and resolution of supply chain problems using GNNs. To address the issue, we present a real-world benchmark dataset for temporal tasks, obtained from one of the leading FMCG companies in Bangladesh, focusing on supply chain planning for production purposes. The dataset includes temporal data as node features to enable sales predictions, production planning, and the identification of factory issues. By utilizing this dataset, researchers can employ GNNs to address numerous supply chain problems, thereby advancing the field of supply chain analytics and planning. Source: https://github.com/CIOL-SUST/SupplyGraph
Autores: Azmine Toushik Wasi, MD Shafikul Islam, Adipto Raihan Akib
Última actualización: 2024-11-16 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2401.15299
Fuente PDF: https://arxiv.org/pdf/2401.15299
Licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.