同位语不用加（）   Given a bag (Bi)  -修改：>   Given a bag Bi

firstly 和 secondly 没有形成对仗关系；另外，这里没有thirdly，就尽量不用firstly 和 secondly 形成排列；   extraction -> extractor 表达的时候，应查阅下有没有专用的名词

  Secondly, the two feature extractions ( f ( ⋅ ) f(\cdot) f(⋅) and g ( ⋅ ) ) g(\cdot)) g(⋅))) is utilized to embed the original instances and the fused vector.   修改：->   Then the two feature extractors f ( ⋅ ) f(\cdot) f(⋅) and g ( ⋅ ) ) g(\cdot)) g(⋅)) are utilized to embed the original instances and the fused vector, respectively.

1） this一般用于语句论述中的就近名词 或 一整个句子的指代，以避免重复。 第一个this： 指代不明确；这里的this想代指framework or 本段的第一句话 or 前面两句话 ？ 第二个this：代指前一句话：we alleviate the possible weak distinguishability of the fused vector. 因此这次是可以使用的 2）can 是可能的意思，如果你没有表达不确定的意思，这里就不要用  This can utilize …   ->  如果是代替framework，就直接指出： This framework utilizes …  如果指代的是两面两句话，可以用： In this way, …

3） 学会用due to，科技论文中比cause更好一些 This is caused by the fact that … -> This is due to the fact that …

5） The created datasets are derived from MNIST and images published by COREL company. 可数名词company，要么加冠词，要么用复数 -> the COREL company

6）Experiment results demonstrate that ASMI can achieve desirable performance on both existing and created datasets. 本身这里的意思 就很明确了，是实验结果。所以完全可以简洁一点。 -> Results results demonstrate that ASMI can achieve desirable performance on both existing and created datasets.

7） In addition, the superiority of the performance of ASMI is particularly significant on multi-class datasets. superiority 和 performance两者意思有重复 -> the superiority of ASMI is particularly significant on multi-class datasets.

2） And the self-attention -> The self-attention 不要再一句话开头用and。 引用闵老师的话：“它在这个位置没有任何实际的意义, 因为相邻的句子本身就有相关性. 除了童话, 没人在句首使用 and. 句子中间慎用 and, 除非你有对仗工整的词组, 如: data mining and machine learning. 而 data mining and algorithm design 就是一种滥用, 因为两者从语义上来说无法并列. 初学者滥用本词的非常多, 所以需要全篇自查, 并绕过它“. 原文链接：https://blog.csdn.net/minfanphd/article/details/121077129

3） It usually does not have corresponding ground-true labels during learning procedure. 不准确。 实例的标签不是没有，而是不可知而已。 -> The ground-true label of each instance is usually unknown.

5） …each vectors, we propose a simple method but effective way to quantify it. method way 两个单词重复了。 quantify it 中的it指代不明确，是each vector 还是distinguishability? 修改-> …each vector set, we propose a simple yet effective metric.

1） test bag 要注意自己的场景，如果是有监督的，就是把所有数据拿来学习，在实验之前，不存在测试集 训练集的问题 2） 根据本文fig. 1的描述， b i \mathbf{b}_i bi​ 是包 B i \mathbf{B}_i Bi​的映射向量，那么这里就应该和前面，在符号系统上保持一致，不要新创符号出来，让读者混淆 3) 考虑到作者想在这里有泛化的感觉，即这里在说，通用情况下，向量集合之间的辨别性如何度量，那么可以用和 b i \mathbf{b}_i bi​ 关联性更强的符号，比如 b \mathcal{b} b= {} tip: 在这里 \mathbf 和\mathcal，看不出符号区别，在latex中，是有区别的，一个是加粗表示向量/集合，一个通常表示集簇 4) 本段描述的是L种category，应尽量描述出公式1的泛化性，而不是退化到只有0和1二分类的情况。 修改： b = { b i } i = 1 N \mathcal{b} = \{\mathbf{b}_i\}_{i = 1}^N b={bi​}i=1N​

b \mathcal{b} b is partitioned according to respective lables into { b 0 , b 1 , b L − 1 } \{\mathrm{b}_0, \mathrm{b}_1, \mathrm{b}_{L-1}\} {b0​,b1​,bL−1​}, where ⋃ i = 0 L − 1 b i = b \bigcup_{i = 0}^{L-1} \mathrm{b}_i = \mathcal{b} ⋃i=0L−1​bi​=b，and b i ∪ b j = ∅ \mathrm{b}_i \cup \mathrm{b}_j = \emptyset bi​∪bj​=∅ if i ≠ j i \neq j i​=j.

d ( b ) = ∑ 0 ≤ i < j ≤ L − 1 d ( b ‾ i , b ‾ j ) d ∗ ( b i ) + d ∗ ( b j ) d(\mathcal{b}) = \sum_{0 \leq i < j \leq L - 1} \frac{d(\overline{\mathrm{b}}_i, \overline{\mathrm{b}}_j)}{d^*(\mathrm{b}_i) + d^*(\mathrm{b}_j)} d(b)=0≤i