How To Research

参考文献：

2003_刘挺_怎样做研究.pdf

2006_Duane_Letter-to-research-student.pdf

 

 

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