【转】如何在4-6个月产出论文？

科研的本质：解决问题，创造新事物(新问题、新方法、新发现、新理论)

科研论文的关键的体现在于将所得结果详实记录并进行科学分析后，总结成果写成论文由同行评议认可后发表。

一、如何调研确定topic

什么是好的topic，就如同寻找网易云音乐的小众歌手：

01:越直观简单越好：简单意味着自己领域知识的学习成本低，例如NLP的文本分类，CV的人脸识别

02:越小众越好：越小众，说明研究的人越少，研究竞争难度低，例如医学和CV结合的方向，NLP和生物信息(例如药物挖掘)的交叉方向

(一）如何调研确定topic

如何去寻找小而美的topic，要走金山里面找金子。

step0: 确定含金量最高的信息源

翻所在领域近三年的顶会文章，NLP领域主翻ACL/NAACL/EMNLP的顶会文章，CV主翻CVPR/ECCV/ICCV的顶会文章，机器学习主翻NIPS/ICLR/ICML，图与数据挖掘主翻KDD/WWW/SIGIR。（这一点是真的很重要！）

step1: 只看论文标题，确定10-20篇准备看摘要的论文

浏览找到顶会文章的paper title list，根据直观易懂且小众原则排序选出10-20篇论文看摘要。

step2: 看10-20篇准备看摘要的论文

找到3-5篇摘要看的懂的论文，仍然是直观易懂且小众排序原则。

step3: 精读3-5篇论文，确定研究的topic，找到一个觉得我可以的topic

精读3-5篇论文，对每篇论文所涉及的topic回答下面几个问题：

• 这个topic目前3-5个公认baseline以及公认的evaluation datasets是什么；

• 这些baseline是不是卷到特别复杂；

• datasets是不是刷到特别饱和；

• 代码是不是自己很快可以看懂一键run起来。

  （二）如何确定idea

  空想无用，实践才能出真知。

  step0:平地不好起高楼，找到好的代码

  确定topic之后，搜索相关baseline的开源实现代码，评判原则readme完善，看的不吃力，跑起来容易。

  step1:纸上得来终觉浅，觉知此事要躬行

  确定好的开源代码实现后，对比原始论文，把对应的实验都跑一遍，看看能不能复现论文实验效果。

  以及对实验的数据集多做error analysis和case study，反复实验和分析数据，洞见到提升点，能找到提升点，自然就可以产出idea。

  step2: 多多讨论，寻求合作

  独立科研能力虽然重要，但是对于小白更需要找到好的合作者和引路人，和相关论文代码作者多发邮件讨论问题，甚至可以邀约合作。

  也可以多找靠谱的师兄姐同学讨论，一个人干很容易迷茫。

  在讨论和合作中，可以更加明确idea，当然记住idea也要谨慎透露，防止idea被剽窃。

  二、如何多快好省做实验

  工程思维，快速迭代。

  step0:0-1 阶段，快速验证想法

  万事开头难，确定idea之后，要快速实现idea验证想法没有问题，如果没有问题，自然一顺百顺。

  如果有问题，解决方法如下：

  首先，最小迭代原则，自己的idea最好是在基础代码上的逐步迭代，确保实验不顺需要分析考虑的对象最少化。

  其次，勇于跳坑，如果某次的实现发现经过一段时间努力后没有效果并且分析不出，及时跳坑，考虑换一个代码baseline实现，甚至要重新review讨论idea。

  step1: 1-10阶段，完整solid的实验方案

  实验越全面翔实，论文中稿概率越大，一个统计数据method+实验部分接近论文页数限制，基本可以中稿。

  开了好头，接下来是最见逻辑和思考的阶段，初步想法验证后，需要扩展实验和分析。

  如何扩展实验，借鉴baseline对应论文的实验setting，确定自己要做哪些ablation study实验以及补充哪些数据集的实验；

  如何进行分析，分析最关键的是要解释出自己的实验效果如何好，一般针对自己argue的几个点，给出定量的曲线统计实验或者定性的case study实验。

  三、如何翻过论文写作的山

  先写再改，尽量降低自己的学习曲线和执行难度。

  Tips:这份操作手册的核心就是以平滑的学习曲线完成自己的第一篇论文，一回生二回熟，一回生很重要。

  step0: 模仿式写作

  模仿实验中对比baseline的几篇文章组织和写作，优先把intro method和experiments部分写完，这一步先把内容都堆砌上再说。

  step1: 梳理逻辑，讨论修改，明晰文章思路和逻辑

  多寻求外部帮助，找到毕竟senior的人帮你看几遍文章，找到你文章中的明显的行文和逻辑问题；

  找不到senior的人看，也可以找同等水平甚至门外汉看，这里就是跟着他们读带他们理解你的意思，这个过程中，自己同步可以发现自己的逻辑漏洞；

  实在没人看，那就是自己化身reviewr反复challenge自己。

  总结，这一步的修改，是找到反馈，迭代修改几轮，让自己文章的主线和思路清晰起来

  step2: 格式调整，语言润色

  内容基础框架和思路确定之后，就是文章的美化了。

• 首先是格式，严格按照所投会议或者期刊的要求调整好自己论文的格式；

• 然后语言，这里推荐quillbot，开会员直接可以帮你改写到地道。

• 最后是图表，图表多学习其他顶会文章的图表范式，美化好自己的图表，尤其是图，一图胜千言

转载自Wechat“机器学习算法那些事”

希望各位顺利写好文章，发好文，发好刊！