周卫华老师:How to Research

2006_Duane_Letter-to-research-student.pdf

Reading是基本：

1、  寻找和阅读相关基础是研究的起点，要清楚相关工作的参考文献、书目，及未来读物

2、  保持阅读。每个月花时间跟踪阅读本领域中重要的期刊。会议能够及时反映最新研究进展和结论

3、  带着目的阅读，思考回答以下问题

a)         该研究的贡献是什么？

b)        该成果是如何解决前人研究中遇到的问题的？

c)         论文中有哪些重要的引用文献？

4、  为与自己研究有关系的每篇论文写小结，为本人和他人的研究持续的总结，是经常工作，有助于步步为营找到相关资料

5、  优秀论文阅读完成后，花心思学习它的表达方式

a)         什么使得文章易于阅读？

b)        论文提供了何种层次的细节？

c)         证明重要概念时，引用了哪些例子？

d)        还有哪些问题没有回答？

e)         文章的结论可否一般化？

6、  为哪些真正优秀的论文，做标示，从实例中学习，效果更好

7、  与感兴趣的同事一起阅读，有助于加深理解，特别是难懂的技术文献

Writing是基本：

1、  良好的写作是科学过程的最终保存形式。

2、  要尽可能早得撰写自己的研究结论。

3、  简单朴实的写作，往往是成功的。

4、  学习本领域优秀论文的写作，模仿，并努力提高自己的写作能力

5、  科研人员撰写研究日志非常重要，内容应该包括，参考文献、思考的疑问、描述问题及解决方案，试验的数据和研究结论。

6、  相关文献阅读后，撰写总结。

7、  必须每天保留固定的时间进行写作，这个过程是“考虑问题”的过程

与他人一起工作：

1、  许多成功来自于合作，与他人分享思想，并在团体的氛围中继续扩展。

2、  定期会议、讨论。让自己在学术组织中沉浸，即使仿佛没有什么可讨论的。

3、  会议可以同步大家的关注，重新调整问题的重要焦点。

4、  认真对待批评。

讨论不“廉价”：

1、  结构良好的讨论，练习好好准备，有利于发现“意想不到的问题”

项目：

1、  计算机科学的研究中往往涉及项目和编程，记住，编程不是计算机科学研究，往往只是完成试验的一种机制，既然是实验，就需要精心设计并提前计划：

a)         确立目标

b)        想简单些：大项目未必产生大的成果

c)         创建原型：多数项目会从原型构建中获益

d)        利用工具：程序员的成绩会通过使用简单工具而得到显著提升

e)         合作：与别人分享成果，自己考虑的问题或许别人已经解决了；但要注意版本控制

f)         文档化结论：

20060508 刘挺谈怎样做研究

如何选题：

1）  真实课题

2）  相关扩展（NLP->IR，NLP->生物计算）

3）  未知空间不能太小（如手写输入）

4）  不能太难，毕竟有时间限制（如机器翻译、自动校对）

5）  竞争对手不能太多（如语音识别）

课题的价值：

1）意义

影响面（影响的领域、语言、人数）

影响的持续时间

2）创新

新领域、新方向、新理论、新方法、新应用、新语言 (影响力递减 )

识别课题的性质：

研究项目，还是开发项目

基础研究课题，还是应用研究课题

单一学科课题，还是交叉学科课题

长期课题，还是短期课题

课题必须具备的特征：

有足够的兴趣

能成为世界第一

能赚钱

研究的程序：

对于资历较浅的学者可以：预测可能成为热点一个题目，提前研究

Reading

了解背景

多读，注重量的积累

有选择地读

理解文章的动机

找到文章的关键之处

批判性阅读，找出文章中的不足

学习怎样写好文章

Thinking

1）创新至上，“不创新，毋宁死”

重复别人的工作，不如不做

独立思维，表现独特的自我

2）发散思维

创新源于结合（嫁接、类比）

（如，仿生学、网格计算(Grid Computing)-网格概念从电力系统引入、功夫在诗外-张旭的草书从公孙大娘的剑舞中悟出）

弄清问题

初始状态是什么

目标状态是什么

如果初始状态和目标状态模糊则不构成一个课题

（如，受限领域语音翻译（订票） ——  特定场景+功能性）

抽象

＊ 选择数学模型

（如，从Bigram到Dependency Tree）

＊ 设计参数训练的方法

分析与综合：

分析=分类+考察每一类的特性

分析帮助我们看清问题的每一个细节

综合是尽可能地找出统一的模型概括各类现象

分析决定深度，综合决定高度

深入分析：

Programming

1）知止

先做数据，人工标注（可以用机器辅助）

再将数据拆分成训练集和测试集两部分

做评测程序

2）亲自动手

观察数据，积累直觉经验

熟练的编程，只有想不到的，没有做不到的

发现问题

3）积累工具

Writing

中国学者最不重视的环节

心中要有读者模型

＊ 不是日记，不是内心独白

销售你的研究成果

＊ 我有一个发现，想要告诉你

＊ Do you like to hear the story?

在写作中提高

永载史册

好论文什么样：

最重要的是逻辑，要丝丝入扣

以最快的速度抓住读者的注意力

＊ 你解决了什么问题

＊ 为什么这个问题很重要

＊ 你的方法如何，和别人的方法有什么区别

＊ 为什么你的方法有效

完整的论文

＊ 给出你的假设条件

＊ 对错误进行分析

＊ 说出你的方法的局限性

如何评价研究结果：

可重复性

＊ 规律：放之四海而皆准

＊ 方法：屡试不爽

大规模测试

真实数据测试

研究与工程的统一

在国际标准测试集上运行你的算法