EndNote调整中文、英文参考文献的排列先后顺序

简介: 本文介绍在EndNote软件中,使得参考文献按照语种排列,中文在前、英文在后的方法~

  本文介绍在EndNote软件中,使得参考文献按照语种排列,中文在前英文在后的方法。

  前期我们在文章文献管理软件EndNote引用格式的自定义修改https://developer.aliyun.com/article/1174552)中,详细介绍了文献管理软件EndNote的引用格式自定义方法,其中我们设置了将参考文献部分的文章按照文章语种进行排序,而这一设置在默认情况下是英文在前中文在后

  而目前,需要对一篇论文的参考文献部分原本默认的中、英文引文排列顺序加以更进一步的修改。其中,原本的参考文献是英文文章在前,中文文章在后状态,如下图;现在需要修改为中文在前,英文在后的状态,如下下图。因此,我们就在上述博客的基础之上,进行进一步的格式修改。

  话不多说,我们开始修改。在这里需要注意,请先按照本文开头提及的文章文献管理软件EndNote引用格式的自定义修改https://developer.aliyun.com/article/1174552)中的方法,将论文语种Language)作为参考文献的第一排序指标(如下图即可);这一步骤的具体操作方法在本文就不赘述~

  首先,打开EndNote软件,新建一个“Group Set”。

  并对其进行重命名,名字大家只要自己今后可以辨认就好。

  随后,在新建的“Group Set”中再新建两个“Group”,一个用来存放中文文献,一个存放英文。

  同样的,大家对两个“Group”重命名一下。

  随后,在EndNote左侧,找到我们需要修改参考文献顺序的Word文件(如果没出现这个文件的话,大家可以直接在对应的Word文件中随便用EndNote引用一篇文章),然后将其按照“Title”排序。

  随后,利用“Shift”与左键结合方式,选中全部英文文献。

  将其拖入到刚刚建立的英文文献分组中。

  随后,用同样方法将中文文献拖入到中文分组中。

  随后,选中新建的中文分组,选择“Tools”→“Change/Move/Copy Fields...”选项。

  按照如下的方式,进行修改与确认。这一步骤是将全部的中文文献对应的“Language”字段修改为Chinese

  确认后会有一个弹窗,点击确定即可。

  随后可以看到设置完成。

  对英文文献进行同样的操作,此时修改为English

  随后,到Word文件中,更新引文与参考文献。

  可以看到,参考文献部分已经是中文在前、英文在后了,大功告成。

相关文章
|
算法 数据挖掘 Go
文献速读|5分生信+免疫组化单细胞联合bulk转录组肿瘤预后模型
研究摘要: 在《Cancer Immunology Immunotherapy》上发表的一篇文章,通过整合Bulk和单细胞RNA-seq数据,探讨了非小细胞肺癌(NSCLC)中癌相关纤维细胞(CAF)的作用。研究者识别出CAF的预后标志物,构建了一个基于CAF的模型,该模型在四个独立队列中区分了预后良好的和较差的患者。WGCNA分析鉴定出CAF标记基因,而CAF分数与免疫微环境和免疫治疗反应相关。高CAF分数关联较差的免疫治疗反应,FBLIM1被发现为CAF的主要来源,其高表达预测了免疫疗法的不良反应。该研究揭示了CAF在NSCLC免疫抑制和治疗策略中的重要地位。
629 1
EndNote参考文献显示中国作者名的第二个字的首字母的方法
本文介绍利用EndNote软件,对论文参考文献中英文文献的汉语拼音姓名(即含有中国作者的英文论文)的名的第二个字的首写字母加以补充显示~
1060 1
EndNote参考文献显示中国作者名的第二个字的首字母的方法
【科研指南8】如何快速批量下载一篇论文后的所有的参考文献?附赠Endnote分组论文管理
【科研指南8】如何快速批量下载一篇论文后的所有的参考文献?附赠Endnote分组论文管理
3220 0
|
C++ 数据格式
LabVIEW传递接收C/C++DLL指针
LabVIEW传递接收C/C++DLL指针
609 1
|
安全 云计算
服务器系统资源不足怎么办
服务器系统资源不足怎么办
1091 4
文献管理软件EndNote引用格式的自定义修改
本文对EndNote软件修改论文参考文献引用格式的界面与各选项参数加以详细介绍~
1168 1
文献管理软件EndNote引用格式的自定义修改
|
机器学习/深度学习 开发者 Python
Python中进行特征重要性分析的9个常用方法
在Python机器学习中,特征重要性分析是理解模型预测关键因素的重要步骤。本文介绍了九种常用方法:排列重要性、内置特征重要性(如`coef_`)、逐项删除法、相关性分析、递归特征消除(RFE)、LASSO回归、SHAP值、部分依赖图和互信息。这些方法适用于不同类型模型和场景,帮助识别关键特征,指导特征选择与模型解释。通过综合应用这些技术,可以提高模型的透明度和预测性能。
1705 0
|
监控 测试技术
【亮剑】理解CPU负载对服务器稳定性的重要性,并提供了诊断和解决CPU负载过高问题的步骤
【4月更文挑战第30天】本文阐述了理解CPU负载对服务器稳定性的重要性,并提供了诊断和解决CPU负载过高问题的步骤:1) 使用监控工具分析CPU使用率和系统负载;2) 深入排查运行队列、进程占用、系统调用和硬件状态;3) 根据排查结果进行代码优化、调整进程优先级或限制CPU使用率,必要时升级硬件。建议建立监控体系,定期性能测试,并持续优化以保证服务器高效运行。
738 1
|
数据可视化 PyTorch TensorFlow
PyTorch SummaryWriter TensorBoard 中进行可视化
PyTorch SummaryWriter TensorBoard 中进行可视化
1021 0
|
数据采集 机器学习/深度学习 Python
掌握XGBoost:特征工程与数据预处理
掌握XGBoost:特征工程与数据预处理
1118 3

热门文章

最新文章