Thuthesis模板中参考文献著者缩写格式问题解析
清华大学学位论文LaTeX模板Thuthesis在参考文献著者姓名缩写处理上存在与国家标准不完全一致的情况。本文将详细分析该问题产生的原因、技术背景以及解决方案。
问题背景
根据《研究生学位论文写作指南》要求,参考文献中著者姓名缩写应遵循GB/T 28039-2011标准:
- 汉语拼音人名:姓全写,名取每个汉字拼音的首字母
- 欧美著者:名可用缩写字母,省略缩写点
- 中译欧美著者:只著录其姓
- 同姓不同名欧美著者:需著录姓和名的首字母
然而,Thuthesis模板当前实现将所有著者名统一缩写为一个字母,这与标准要求存在差异。
技术原因分析
该问题的技术根源在于BibTeX处理机制的限制:
-
姓名识别困难:BibTeX无法自动判断一个名字是否属于"汉语拼音书写的人名"。外籍华人姓名可能符合拼音格式但不应视为汉语拼音,而某些西方人名(如Fatou、Fubini)也可能被误判。
-
格式处理机制:模板使用的BST文件(thuthesis-numeric.bst)中,姓名格式化函数默认采用单字母缩写方式,这是BibTeX的常见处理方式。
-
多字节字符处理:对于中文拼音姓名,BibTeX难以自动拆分汉字对应的拼音部分进行多字母缩写。
解决方案
方案一:禁用缩写(推荐)
最简单可靠的解决方案是禁用所有缩写,保持姓名完整。这完全符合标准要求,因为标准中缩写是"可选的"而非强制。
修改方法:在BST文件中找到姓名格式化行,修改为:
{ t #1 "{vv~}{ll}{ ff}" format.name$
方案二:手动拆分拼音姓名
如需保持缩写格式,对于中文拼音姓名,可在.bib文件中手动拆分名字:
Zhihao Jia → Zhi Hao, Jia
这样处理后,输出将为"Jia Z H",符合每个汉字取首字母的要求。
方案三:定制姓名处理函数
高级用户可修改BST文件,添加针对拼音姓名的特殊处理逻辑,但这需要较强的BibTeX编程能力,且仍无法完美解决所有边界情况。
实践建议
-
对于大多数用户,推荐采用方案一禁用缩写,既符合标准又简单可靠。
-
如需保持缩写格式,建议:
- 对中文文献作者采用方案二手动处理
- 接受西方作者单字母缩写的现状(实际影响较小)
-
在最终提交前,应人工检查参考文献格式是否符合学校要求。
总结
Thuthesis模板的姓名缩写处理虽然存在与国标的差异,但通过简单配置即可满足要求。用户应根据自身需求选择最适合的解决方案,在格式规范与实现复杂度之间取得平衡。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00