发布时间：
原因大致是自动套用格式产生的结果，不是因为word程序问题！你可以进行以下方式进行更改：1、打开视图中大纲2、打开文档结构图3、按照左边文档结构图中需要更改的地方进行大纲级别划分4、目录方面改成正文5、其他如果还有格式变动改成需要的大纲级别6、注意分隔符的位置，因为分隔符有可能导致分隔符以上的分级错误如果不可以的话你可以加我id，我帮你改，把主要原因找到就可以了，目前你上传的图看不出来你设置的自动模板到底是怎么怎么划分的！希望能够帮到你！
原因：操作过程中有失误造成的。
1、在word中，点击“引用”-“目录”-“自定义目录”，
2、打开对话框，选中目录tab页。
3、对话框可以设置目录格式，包括是否显示页码、对齐方式、前导符等。找到右下侧“修改”按钮。弹出样式对话框。
4、此窗口可以对各级目录样式进行设置，选择“目录三”，
5、点击“格式”按钮，可以设置字体、段落、制表位等样式，在此我们选择“段落”，
6、然后弹出段落设置窗口。在此窗口中设置为“左对齐”、左缩进为“0”字符。点击确定就可以了。
使用大纲工具条，设置文字级别，生成目录，可以不改变字体，也不使用标题格式。 一、目录定义根据文章内容分别定义相关章节的标题、正文。1. 调出“大纲”设置工具栏在菜单栏空白处右击鼠标，在弹出菜单中选择“大纲”，出现大纲工具条 。2. 设置标题级别每次选中正文的标题一行，然后在大纲工具栏的下拉列表中选择需要设置的标题级别，并将字体设置好。每个级别的标题只需设置一次，其他的用格式刷 。正文无需再设置级别。其它的同级标题用格式刷 搞定：选中样本标题，双击格式刷，即可直接多次复制格式，直接刷选需设置的标题文字，或将刷子状态的鼠标移到目标文字左侧的空白处，刷子变成 时单击即可；取消格式刷状态只需再点一次刷子。二、目录生成定义好所有的标题和正文后，就可进行目录生成了。在菜单里选插入引用索引和目录，在弹出的窗口选择目录框，然后点确定即可。如下图：三、修改与更新目录制成之后，在目录页点击任何一章节均可直接进入该章节所在页面。每次对文章修改后，对目录可进行自动修改和刷新。方法如下。在目录区域任意位置点右键，在弹出的菜单选更新域，如下图在弹出的对话框中有“只更新页码”和“更新整个目录”，如果只是更改了文章的页码表示方式则只需选只更新页码，而全文版面做了大的调整改变了各标题的位置则需更新整个目录。在大纲模式下可以更方便地设置、查看和修改标题格式。在菜单中选择“视图”“大纲”，或者选择word界面左下角第四个图标 。大纲模式的具体用法可以参照word自带的帮助文件，按f1即可调出。
把一个文档的封面复制到需要改的文档的封面里，格式就全乱套了的原因是：全选要移动的内容，按Ctrl+X执行剪切命令，之后按ctrl+V进行粘贴，不要按ctrl+C进行复制，若出现问题可能你的页面格式不匹配。
解决方法：粘贴的时候选择“选择性粘贴”选项，在选择保留原格式粘贴，如果这样还不好的话，就是页面属性的问题，分栏属于页面属性是不跟随内容格式走的。建议套用模板是最快的方法。
其它方法都失效的情况下可以采取：
点击视图菜单，再点击大纲视图。你会发现你粘贴的文本中有分栏线或分节线等。正是这些线导致了排版混乱。
好了，把鼠标指针放到线上，按删键，将粘贴内容前、后、中间的分栏线，分节线等一一删除。然后回到页面大纲视图。最后再次分栏，绝对成功！
请在复制粘贴前先在第一页开头光标处点击插入，选择“分页符”或“分页符”，那么文档会在第一页留出空白。
这时候你再粘贴，就不会影响原有文档的排版。——搞懂分页符和分节符的作用很重要。在大纲视图里看编辑符号进行修改也非常重要。操作不难，但是很多人不知道啊。
设置字体有问题。字体大小设置不正确，段落行距设置不正确。2、关闭之前没有保存，动可能会导致改变，所以论文分娩对齐后打开又变了。
在引用里面选择目录，把设置弄好之后，自动编制目录。提示：要想有好看的目录，那么提前把文件中各段的格式设置好是前提。步骤一、自动生成目录准备：大概索引1、要想让word自动生成目录，就得先建立系统能认识的大纲索引，这是自动生成目录的前提。选中你的标题。2、在开始选项卡——格式里选中——选中自己喜欢的目录格式结构。3、选择之后，就会建立大纲索引，同时，也会具有word默认的标题格式。4、同理，我们逐级建立标题2、标题3等目录结构索引。5、同理，我们把整个文档中的所有标题都建立起大纲索引。步骤二、自动生成目录及更新目录1、前提准备已做好，接下来我们就开始生成目录。首先，把光标定位到目录存放的位置，然后，点击选项卡的引用——目录——自动目录1或2。2、就会自动生成目录了。3、如果你多文章进行了更新，或者目录结构进行了调整，那么就需要对目录进行更新域，点击目录，右键下拉菜单——更新域。4、建议选择更新整个目录，这样就不会漏掉，点击确定，更新即可。自定义目录格式调整如果，你对系统的默认目录格式不满意，需要自定义，也是可以的。点击引用——目录——插入目录。有很多目录格式的选项可以设置，如要不要显示页面，页面是否右对齐，显示制表符，显示几个级别等。同时还可以设置目录的字体大小与格式，如图，点击修改——选择要修改的目录——点击修改——就看到相关的字体、间距等相关格式的调整，自定义修改之后，确定即可。当你进行所以的自定义设定之后，点击确定，就会在刚刚目录的地方出现替换的提示框，点击是就可以了。
目录和正文是一样的，可以设置字体和行间距的啊!字体直接调，行间距的话全选目录，右键找段落。
点【目录】按钮，下拉菜单里面选【插入目录】，再点【修改】按钮，里面可以改你需要的字体等
如果正文中，是统一的目录结构，可以光标定位在插入目录的地方，插入——引用——索引和目录——目录——选一个需要的显示级别——确定。
参考文献标注的正确格式如下：1、参考文献格式为：[序号]+著作作者+篇名或书名等+参考文献的类型+著作的“出版年”或期刊的“年，卷(期)”等+“：页码(或页码范围)”。2、引用别人的毕业论文的标注格式为(毕业论文类型为学位论文[D])：[序号]主要责任者.文献题名[D].出版地：出版单位.出版年：起止页码(可选)。3、举例如：[11]张筑生.微分半动力系统的不变集[D].北京：北京大学数学系数学研究所，1983：1-7。
论文参考文献引用的正确格式如下：
1、单一作者：英文格式为“（作者姓氏，发表年份）”，中文格式为“（姓名全名，发表年份）”。
2、两名作者：作者姓氏必须以他们的名字在其发表文章内的顺序来排序。若两个作者都在括号内引用，名字中间需加上“&”符号，也可用“and”、“和”进行连接，取决于期刊格式。若在句首引用则使用“and”以及“和”。
3、一篇文献有三名作者及以上，则只列第一位作者，英文用“et al.”指代剩余作者，中文则使用“等”。
4、若采用数字上标式引用，较为简单。多篇文献，用逗号隔开，连续的引用则使用“-”简略。主要注意文中的数字顺序对应文末的文献顺序。
注意事项
不同期刊，不同专业，不同高校的毕业论文对格式的要求不尽相同。引用类型主要分为期刊（Journal）、书籍（Book-Chapter）、专利（Patent）、会议（Conference）和毕业论文（Thesis）等。
强烈建议使用文献管理软件，通过选择格式类型自动填充。这样能省去大量繁琐的整理文末文献格式的工作。
论文文献引用格式示范如下：
（一）学术期刊文献
［序号］作者．文献题名［J]．刊名，出版年份，卷号（期号）：起－止页码
（二）学术著作
［序号］作者．书名［M]．版次（首次免注）.翻译者．出版地：出版社，出版年：起－止页码
（三）有ISBN号的论文集
［序号］作者．题名［A].主编．论文集名［C]．出版地：出版社，出版年：起－止页码
（四）学位论文
［序号］作者．题名［D]．保存地：保存单位，年份
（五）专利文献
［序号］专利所有者．专利题名［P]．专利国别：专利号，发布日期
（六）技术标准
［序号］标准代号，标准名称［S]．出版地：出版者，出版年
（七）报纸文章
［序号］作者．题名［N]．报纸名，出版日期（版次）
（八）报告
［序号］作者．文献题名［R]．报告地：报告会主办单位，年份
（九）电子文献
［序号］作者．电子文献题名［文献类型／载体类型］．文献网址或出处，发表或更新日期／引用日期（任选）
应该可以吧。。。
空手套白狼，实现有难度。你要熟悉各种生物的基因组，要分析能力很强才行。
不知道，生物信息学，比较难
生物信息学推荐系统设计关键词：推荐系统；生物信息学推荐系统(RecommenderSystem)[1]是个性化信息服务的主要技术之一，它实现的是“信息找人，按需服务”；通过对用户信息需要、兴趣爱好和访问历史等的收集分析，建立用户模型，并将用户模型应用于网上信息的过滤和排序，从而为用户提供感兴趣的资源和信息。生物信息学(Bioinformatics)[2,3]是由生物学、应用数学和计算机科学相互交叉所形成的一门新型学科；其实质是利用信息科学的方法和技术来解决生物学问题。20世纪末生物信息学迅速发展，在信息的数量和质量上都极大地丰富了生物科学的数据资源，而数据资源的急剧膨胀需要寻求一种科学而有力的工具来组织它们，基于生物信息学的二次数据库[4]能比较好地规范生物数据的分类与组织，但是用户无法从大量的生物数据中寻求自己感兴趣的部分（著名的生物信息学网站NCBI(美国国立生物技术信息中心)，仅仅是小孢子虫(Microsporidia)的DNA序列就达3399种），因此在生物二次数据库上建立个性化推荐系统，能使用户快速找到自己感兴趣的生物信息。特别是在当前生物信息数据量急剧增长的情况下，生物信息学推荐系统将发挥强大的优势。1推荐系统的工作流程应用在不同领域的推荐系统，其体系结构也不完全相同。一般而言，推荐系统的工作流程[5]如图1所示。(1)信息获取。推荐系统工作的基础是用户信息。用户信息包括用户输入的关键词、项目的有关属性、用户对项目的文本评价或等级评价及用户的行为特征等，所有这些信息均可以作为形成推荐的依据。信息获取有两种类型[6]，即显式获取(Explicit)和隐式获取(Implicit)，由于用户的很多行为都能暗示用户的喜好，因此隐式获取信息的准确性比显式高一些。(2)信息处理。信息获取阶段所获得的用户信息，一般根据推荐技术的不同对信息进行相应的处理。用户信息的存储格式中用得最多的是基于数值的矩阵格式，最常用的是用m×n维的用户—项目矩阵R来表示，矩阵中的每个元素Rij=第i个用户对第j个项目的评价，可以当做数值处理，矩阵R被称为用户—项目矩阵。(3)个性化推荐。根据形成推荐的方法的不同可以分为三种，即基于规则的系统、基于内容过滤的系统和协同过滤系统。基于规则的推荐系统和基于内容过滤的推荐系统均只能为用户推荐过去喜欢的项目和相似的项目，并不能推荐用户潜在感兴趣的项目。而协同过滤系统能推荐出用户近邻所喜欢的项目，通过用户与近邻之间的“交流”，发现用户潜在的兴趣。因此本文所用的算法是基于协同过滤的推荐算法。(4)推荐结果。显示的任务是把推荐算法生成的推荐显示给用户，完成对用户的推荐。目前最常用的推荐可视化方法是Top－N列表[7]，按照从大到小顺序把推荐分值最高的N个事物或者最权威的N条评价以列表的形式显示给用户。2生物信息学推荐系统的设计综合各种推荐技术的性能与优缺点，本文构造的生物信息学推荐系统的总体结构如图2所示。生物信息学推荐系统实现的主要功能是在用户登录生物信息学网站时，所留下的登录信息通过网站传递到推荐算法部分；推荐算法根据该用户的用户名从数据库提取出推荐列表，并返回到网站的用户界面；用户访问的记录返回到数据库，系统定时调用推荐算法，对数据库中用户访问信息的数据进行分析计算，形成推荐列表。本系统采用基于近邻的协同过滤推荐算法，其结构可以进一步细化为如图3所示。算法分为邻居形成和推荐形成两大部分，两部分可以独立进行。这是该推荐系统有别于其他系统的优势之一。由于信息获取后的用户—项目矩阵维数较大，使得系统的可扩展性降低。本系统采用SVD矩阵降维方法，减少用户—项目矩阵的维数，在计算用户相似度时大大降低了运算的次数，提高了推荐算法的效率。(1)信息获取。用户对项目的评价是基于用户对某一个项目(为表示简单，以下提及的项目均指网站上的生物物种)的点击次数来衡量的。当一个用户注册并填写好个人情况以后，系统会自动为该用户创建一个“信息矩阵”，该矩阵保存了所有项目的ID号以及相应的用户评价，保存的格式为：S+编号+用户评价，S用于标记项目，每个项目编号及其评价都以“S”相隔开；编号是唯一的，占5位；用户评价是用户点击该项目的次数，规定其范围是0~100，系统设定当增加到100时不再变化。这样做可防止形成矩阵时矩阵评价相差值过大而使推荐结果不准确。(2)信息处理。信息处理是将所有用户的信息矩阵转换为用户—项目矩阵，使用户信息矩阵数值化，假设系统中有M个用户和N个项目，信息处理的目的就是创建一个M×N的矩阵R，R[I][J]代表用户I对项目J的评价。(3)矩阵处理。协同过滤技术的用户—项目矩阵的数据表述方法所带来的稀疏性严重制约了推荐效果，而且在系统较大的情况下，它既不能精确地产生推荐集，又忽视了数据之间潜在的关系，发现不了用户潜在的兴趣，而且庞大的矩阵增加了计算的复杂度，因此有必要对该矩阵的表述方式做优化，进行矩阵处理。维数简化是一种较好的方法，本文提出的算法应用单值分解(SingularValueDecomposition，SVD)技术[8]，对用户—项目矩阵进行维数简化。(4)相似度计算。得到降维以后的用户矩阵US，就可以寻找每个用户的近邻。近邻的确定是通过两个用户的相似度来度量的。本文采用Pearson相关度因子[9]求相似度。(5)计算用户邻居。该方法有两种[10]，即基于中心的邻居(Center－BasedNeighbor)和集合邻居(AggregateNeighbor)。本系统采用了第一种方法，直接找出与用户相似度最高的前N个用户作为邻居，邻居个数N由系统设定，比如规定N＝5。(6)推荐形成。推荐形成的前提是把当前用户的邻居ID号及其与当前用户的相似度保存到数据库中，而在前面的工作中已找出各用户的邻居以及与用户的相似度，推荐形成部分只需要对当前登录用户进行计算。推荐策略是：对当前用户已经访问过的项目不再进行推荐，推荐的范围是用户没有访问的项目，其目的是推荐用户潜在感兴趣的项目；考虑到系统的项目比较多，用户交互项目的数量很大，所以只筛选出推荐度最大的N个项目，形成Top－N推荐集，设定N＝5。3生物信息学推荐系统的实现生物信息学推荐系统的实现可以用图4来表示。数据库部分主要存储用户信息和项目信息，用SQLServer2000实现。数据访问层实现了与用户交互必需的存储过程以及触发器，也使用SQLServer2000，主要完成以下功能：初始化新用户信息矩阵；插入新项目时更新所有用户的信息矩阵；用户点击项目时更新该用户对项目的评价；删除项目时更新所有用户的信息矩阵。用户访问层主要涉及网页与用户的交互和调用数据访问层的存储过程，在这里不做详细的介绍。推荐算法完成整个个性化推荐的任务，用Java实现。(1)数据连接类DataCon。该类完成与SQLServer2000数据库的连接，在连接之前必须要下载三个与SQLServer连接相关的包，即msutil.jar、msbase.jar和mssqlserver.jar。(2)数据操作类DataControl。该类负责推荐算法与数据库的数据交换，静态成员Con调用DataCon.getcon()获得数据库连接，然后对数据库进行各种操作。把所有方法编写成静态，便于推荐算法中不创建对象就可以直接调用。(3)RecmmendSource与CurrentUserNeighbor。这两个类作为FCRecommand类的内部类，RecmmendSource用于保存当前用户的推荐列表，包括推荐项目号和推荐度；CurrentUserNeighbor用于保存邻居信息，包括邻居ID号、相似度及其访问信息。(4)协同过滤推荐算法FCRecommand。该类实现了整个推荐算法，主要分为邻居形成方法FCArithmetic和推荐形成方法GenerateRecommend。下面给出方法FCArithmetic的关键代码：Matrixuser_item=this.User_Item_Arry();//获取用户—项目矩阵user_item=this.SVD_Calculate(user_item);//调用SVD降维方法Vectorc_uservector=newVector();//当前用户向量Vectoro_uservector=newVector();//其他用户向量Vectorc_user_correlate_vector=newVector();//当前用户与其他用户之间相似度向量for(inti=0;ifor(intj=0;jc_uservector.addElement(user_item.get(i,j));//1.获得当前用户向量for(intk=0;ko_uservector.clear();for(intl=0;lo_uservector.addElement(user_item.get(k,l));//2.获得其他用户的向量//3.计算当前用户与其他用户的相似度usercorrelativity=this.Correlativity(c_uservector,o_uservector);c_user_correlate_vector.addElement(usercorrelativity);}//4.根据当前用户与其他用户的相似度，计算其邻居this.FindUserNeighbor(i,c_user_correlate_vector);}根据邻居形成方法FCArithmetic，可以得到每个用户的邻居。作为测试用例，图6显示用户Jack与系统中一部分用户的相似度，可以看出它与自己的相似度必定最高；并且它与用户Sugx访问了相同的项目，它们之间的相似度也为1，具有极高的相似度。4结束语在传统推荐系统的基础上，结合当前生物信息学网站的特点，提出一个基于生物信息平台的推荐系统，解决了传统生物信息网站平台信息迷茫的缺点，为用户推荐其感兴趣物种的DNA或蛋白质序列。优点在于协同过滤的推荐算法能发现用户潜在的兴趣，能促进生物学家之间的交流；推荐算法的邻居形成与推荐形成两部分可以单独运行，减少了系统的开销。进一步的工作是分析生物数据的特点及生物数据之间的关系，增加用户和项目数量，更好地发挥推荐系统的优势。参考文献：［1］PAULR，HALRV.Recommendersystems[J].CommunicationsoftheACM，1997,40(3):56－58.[2]陈新.生物信息学简介[EB/OL].(2001).http://166.111.68.168/bioinfo/papers/Chen_Xin.pdf.[3]林毅申,林丕源.基于WebServices的生物信息解决方案[J].计算机应用研究,2005,22(6):157－158,164.[4]邢仲璟,林丕源,林毅申.基于Bioperl的生物二次数据库建立及应用[J].计算机系统应用,2004(11):58－60.