一、确定计算机论文研究创新性的方法

文献综述与对比

对相关领域的文献进行全面、深入的回顾是确定创新性的基础。在计算机领域，研究进展迅速，需要查阅大量的学术期刊、会议论文、技术报告等。例如，如果你研究的是机器学习算法在医疗影像诊断中的应用，就要搜索关于机器学习算法、医疗影像处理以及两者结合的现有文献。

通过与已有研究对比来发现创新性。如果你的算法在准确性、效率、鲁棒性等方面显著优于现有算法，这就是一种创新性体现。例如，新的深度学习算法能够将医疗影像诊断的准确率从现有的 80% 提高到 90%，且在小样本数据集上也能保持良好性能，这就是明显的创新。或者你的研究提出了一种全新的应用场景，如将自然语言处理技术应用于软件代码自动生成，而之前没有类似的应用尝试，这也具有创新性。

方法和技术创新

检查研究中所采用的方法是否是新的。在计算机科学中，这可能包括新的算法设计、新的数据结构、新的软件架构等。例如，提出一种新的分布式计算算法，能够有效减少数据传输开销，提高系统的并行处理能力。

技术融合也可能产生创新。比如将区块链技术与物联网安全相结合，创造出一种全新的物联网设备身份认证和数据保护机制。这种跨技术领域的融合如果能够解决现有问题或者带来新的应用可能性，就具有创新性。

理论创新与拓展

对于理论计算机科学研究，如计算复杂性理论、形式语言与自动机理论等，创新性可能体现在新的理论模型构建或已有理论的拓展上。例如，提出一种新的计算模型，能够对某一类 NP - 完全问题进行更有效的复杂度分析，或者对现有的自动机理论进行扩展，使其能够更好地描述和处理新出现的计算现象。

应用场景创新

即使研究方法或技术不是全新的，找到新的应用场景也可以是创新。例如，将虚拟现实技术应用于教育领域的实验教学，此前虚拟现实主要应用于游戏和模拟训练等领域，这种新的应用拓展可以为教育带来新的教学模式和体验，具有创新性。

二、审稿人一般的评审方面

创新性评估

如前面所述，审稿人首先会判断论文的创新性。他们会仔细检查论文所声称的创新点是否真实，是否在之前的文献中已经出现过。例如，对于一篇提出新算法的论文，审稿人会搜索相关算法文献，看是否有类似的思路或者改进已经存在。

评估创新的重要性和影响力。一个创新如果只是在很小的范围内有改进，可能不会被认为是有高度价值的创新。例如，一种新的图像压缩算法虽然在压缩率上有微小提高，但增加了大量的计算时间和存储开销，可能就不会被认为是很有价值的创新。而如果一种新算法能够在不增加计算成本的情况下大幅提高压缩率，并且对相关应用领域（如高清视频传输）有重大推动作用，就会被给予较高的创新性评价。

技术内容准确性和完整性

审稿人会检查论文中的技术细节是否准确。在计算机论文中，这包括算法的正确性、实验数据的真实性和可靠性等。例如，对于一篇关于神经网络算法的论文，审稿人会检查算法的数学推导是否正确，网络结构的设计是否合理，以及训练过程中的参数设置是否符合常规做法。

论文内容的完整性也很重要。审稿人希望看到一个完整的研究过程呈现，包括问题的提出、相关研究综述、方法描述、实验设置和结果分析、结论等。如果缺少关键部分，如没有详细的实验对比来验证新算法的性能，论文可能会被要求补充相关内容。

研究方法的合理性和科学性

审查研究方法是否合理。例如，在进行计算机系统性能评估时，是否采用了合适的性能指标（如响应时间、吞吐量等）和测试方法（如基准测试、模拟测试等）。如果采用的方法不科学，如样本数据过少、实验环境设置不合理等，会影响对研究成果的可信度。

对于新提出的方法，审稿人会评估其是否具有可行性。例如，一种新的量子计算算法是否能够在现有或可预见的量子计算机硬件上实现，或者一种新的软件开发方法是否能够在实际的软件开发过程中被有效应用。

写作质量和规范性

论文的写作质量会影响审稿人的理解和评价。这包括语言表达是否清晰、逻辑是否连贯等。例如，在描述复杂的算法流程或系统架构时，是否能够用简洁明了的语言让读者理解。

规范性方面，审稿人会检查论文是否符合期刊的格式要求，如字体、字号、引用格式、图表编号等。同时，也会查看论文的结构是否合理，例如是否按照 “引言 - 相关研究 - 方法 - 实验 - 结论” 这样的常规结构来组织内容。

与现有研究的关联性和贡献度

审稿人会判断论文与现有研究的关联性。他们希望看到作者对现有研究有充分的了解，并能在论文中清晰地指出自己的研究与前人工作的不同之处和联系。例如，在综述部分是否准确地概括了相关领域的研究现状，在讨论自己的研究成果时是否能够与现有研究进行合理的对比。

评估论文对该领域的贡献度。贡献可以是知识上的（如提出新理论）、技术上的（如改进现有技术）或应用上的（如拓展新的应用领域）。审稿人会根据论文的实际贡献来判断其价值。