W3CHINA.ORG讨论区--[经验交流] 如何读文章，如何选研究课题

贴子主题： [经验交流] 如何读文章，如何选研究课题

本主题类别: 科研生涯

又是好久没来，看到前面iamwym发的“专题讨论——研究方法”，很有感触
开了几次会议，发现国内指导能力强的导师不多，甚至有些名气比较大的导师，都是靠学生自己摸索出的文章来出名，很多很多的学生在进行unsupervise learning。
这种状况也许在短期内无法改变，幸好还有Internet可以加强大家的交流。
作为一个长期不在线的版主，就写写我的研究经验作为补偿吧 --_--b

做研究的第一步是要有一个研究方向。但是这个方向一般来说是由阅历丰富的导师给的，而很多学生没有这样的导师，因此需要在第一步前增加第0步：自己寻找一个方向。

一个好的方向我觉得：1. 自己有很高的兴趣 2. 前途光明 3. 道路曲折 4. 道路不能太曲折
第一点很重要，也比较容易衡量。
第二点是说这个方向的终极目标，自己要能够看到光明的终极目标，这样在研究过程中一旦感到迷茫，这个终极目标会给你指路
第三点是说这个方向还有很多事情要做但还没有做，大家也不知道该怎么做好，否则它也不是一个研究方向
第四点是说自己要有在这个方向上做出一些成果的能力，要衡量自己是否啃得动里面的一些问题

那么如何知道一个方向是否满足以上一些标准呢。这就要靠辛苦的读文章了。首先大家应该不难找到一些现有方向的简介，在一些涉及AI整个领域的书，如《AI: A modern approach》，和一些网站上。对于每一个看起来感觉不错的方向，下面要阅读该方向的相关文章。

文章哪里找？
杂志和会议是研究人员交流研究成果的地方，除次之外还有技术报告等。
对于还没有入门的学生，首先应该阅读顶级杂志上的文章，而不推荐会议文章。因为会议文章有篇幅限制，不能面面俱到，要求读者有较强的背景知识；而一般杂志文章的任务之一是引入外行。
在自己具备评价能力之前，一定要阅读顶级杂志上的文章，一些质量不好的文章可能使你对这个方向失去兴趣，更甚者可能带你误入歧途。
下面列一些顶级杂志：
Artificial Intelligence: 简称AIJ
Journal of Artificial Intelligence Research: 简称JAIR
这两个是关于整个AI领域的杂志
Machine Learning: 简称MLJ
Journal of Machine Learning Research：简称JMLR
两个关于机器学习领域的杂志
IEEE Transactions on Knowledge Discovery and Data Engineering: 简称TKDE
Data Mining and Knowledge Discovery: 简称 DMKD
两个关于数据挖掘的杂志
IEEE Transactions on Evolutionary Computation: 简称TEC 或 TEvC
Evolutionary Computation: 简称 ECJ
两个关于进化计算的杂志
Neural Computation
IEEE Transactions on Neural Networks: 简称 TNN
两个关于神经计算的杂志
IEEE Transactions on Pattern Analysis and Machine Intelligence：简称TPAMI
关于机器视觉和模式识别方面的杂志
(具体领域的杂志可以向相关教授写信询问)
上面的杂志除了JAIR,JMLR是免费的，其他的都需要有数据库访问权。首先查询学校的图书馆是否购买了这些数据库；如果没有，可以先找到感兴趣文章的题目和作者（这是可以免费得到的），然后google找到作者主页，看看有没有在主页上共享文章；如果没有共享，可以写email问作者要（写email要注意礼貌）；如果没有回音，可以问问在其他学校的同学，看看他们学校有没有购买数据库。

在有一些背景知识后，可以阅读顶级会议的文章。顶级会议的文章要比同时间顶级杂志的文章内容新1、2年。顶级会议列表请见本版置顶文章：
"[转帖] daniel: AI conferences"

文章怎么读？
第一次读文章，基本上都是读不懂的，即便是杂志文章，仍可能有不够浅显的地方。不用怕，大家都是这样过来的。一开始，特别要注重理解领域的背景、解决的问题、为什么要解决这个问题。然后是关注用什么方法解决，如何进行实验研究和理论研究。最后就是看别人的paper是怎么写的，学着写文章。（以后会发如何写文章的帖专门讨论）
下面总结几个阶段：
咬文嚼字：刚开始读文章就是这样，一字一字的读，一句话要读上好几遍才能明白在说什么。
顺藤摸瓜：终于大致明白一篇文章在讲什么了，文章的Introduction部分或Background或Related Work部分介绍了一些来龙去脉和相关工作，都给了引文，还有一些文章不细交代的地方也给了引文。顺着这些引文看下去，能得到更全面的了解。
温故知新：相关文章看了一些了，很多疑惑也明白了，再到过头来把以前读的文章再读一遍，发现以前的理解太浅，或者根本就不对。
提纲携领：读了大量这个领域的文章，来龙去脉都清楚了，有哪些问题也知道了，做法也明白了。下面再看文章就会很快了，看看Introduction，看看做法，看看结果结论就知道是怎么回事。
为我所用：当有了自己的研究课题了，读文章就不再限于理解文章，而是要找可以用得上的东西。
上面这些说起来很快，做起来还是需要不少毅力的。

先写到这里，以后计划再写如何做实验和如何写文章。
欢迎讨论指正！


	W 3 C h i n a ( since 2003 ) 旗下站点苏ICP备05006046号《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》	93.750ms