点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要14分钟

跟随小博主，每天进步一丢丢

编辑：Amusi

https://www.zhihu.com/question/27567617

本文仅作为学术分享，如果侵权，会删文处理

读硕/博期间你积累了哪些重要的科研经验？

希望各位前辈谈谈读硕/博期间积累的经验，尤其是一些重要的“方法论”，给未来更多志在做学术的同学一点启发。

作者：蛐蛐xjtu
https://www.zhihu.com/question/34686026/answer/62317647

过几天博士答辩。我补充一个经验：一定要善用google scholar，这个东西绝对不仅仅是搜文章，看引用，导出bibtex这些简单的功能。

下面说一种具体的用途：当你想要深入调研一个自己不是十分了解的小方向的时候，怎么办呢？去google scholar里面搜关键词吗？但是搜出来的可能是10年前的文章（由于默认是按引用次数排序的），像计算机科学这种领域知识更新太快，10年前的经典文章是要看，但你还是不了解现在发展的趋势。那是不是我们应该筛选一下，从2014年，2015年开始看起呢，这又不对了，因为这些文章刚刚发表，我们无法准确判断其学术水平（虽然期刊会议的档次可以帮我们筛选）。

正确的做法是：看排名最高的那些文章被哪些文章引用了，然后在这些引用文章里面选择几年之内的，如2011年以来的，这时候返回的结果仍然是以引用次数排序的，我们可以稍微深入看看这些文章（因为这些文章已经发表了好几年了，引用次数可以代表其影响力，水平），然后，可以再看看最近几年（14,15年）有哪些论文又引用了这些文章，看看最近几年的文章又解决了什么样的问题，还有什么没有解决。

按这样的方法，泛读十篇左右这个topic的论文，你基本上就可以搞清楚这个方向人类目前的研究进度了！

总的来说：科学知识是成体系，成网络的，而引用次数又可以反映科研成果的价值，刚才这个过程，就是在科学知识网络中从远到近，按照科研成果的水平进行搜索的过程。目前我们处于知识爆炸的阶段，这种方法个人感觉是非常有效的。

以前我看论文，总是觉得，这篇文章写得挺好嘛，但不知道还能从哪个方向改进，自从用了这种方法，一下子思路开阔了，像是在人类科学探索的道路上用很短的时间重复前人的科学探索过程。

推荐大家都可以试试。

（9月6日更新）目前已经答辩完了，统一回答一下大家关于怎么在国内用Google Scholar，可以试着访问一下这个网址：Glgoo 学术搜索，除了不能登录自己的Google账户，Scholar的其他功能均能正常使用。

（9月8日更新）再提醒大家，平时看到一些觉得比较好的论文后，也可以用这种方法，看看近几年有哪些质量比较高的论文引用了这篇论文，解决了哪些问题，随着时间推进，解决的问题和研究的思路到底有哪些发展。这个习惯培养起来真的会受益无穷。

（9月26日更新）由于有朋友问我怎么查看“排名最高的那些文章被哪些文章引用了”，所以这里简单解释一下，以我目前正在做的一个topic为例，当我们在google scholar里搜索Software Clustering的时候，出现在最前面的搜索结果是这样的：

丝毫不意外，两篇文章分别发表于1999年和2005年，我们要看这两篇文章被哪些文章引用，其实很简单，点击文章下面的“被引用次数：XXX”（截图中的紫色文字，由于截图前点过该链接，所以显示为紫色）这个链接就可以。点击之后出来的页面也基本是按照引用次数排序的，可以在页面最左侧选择时间范围。

作者：石博天
https://www.zhihu.com/question/34686026/answer/754680422

谢邀，以一个CS专业AI方向的PhD Candidate的角度来回答一下这个问题。想到哪里就写到哪里，不够通顺请见谅。

做一个researcher首先要强调的一点就是兴趣。如果没有兴趣，那就需要通过各种变通的方式让自己产生兴趣。不然痛苦和抑郁就会贯穿整个research的阶段。

就是有一个明确的research方向，俗称“找问题”。做researcher和做其他大部分行业最大的不同就是，你需要针对一个特定问题长期耕耘，才可能有原创性收获，切忌浅尝辄止和见异思迁。不是所有research topic都值得做、都做得出来；也不是所有的topic都有足够的深度来支撑你的PhD thesis（有些工作可能做两下就解决了，很难保证延续性）。所以在你有备选的research方向之后，第一件事就是要找一些领域内的同行聊聊，来分析一下可行性、难度和学术价值。那么你需要长期和一些靠谱的人、团队进行足够深入的交流：以人为镜可以明得失。Research最忌讳的就是闭门造车。一方面是因为自己一个人精力有限，知识储备难免有疏漏。而很多时候我们一些naive的insight的价值会被自我放大，有可能将你的研究引入歧途。另一方面，与人交流能够获悉自己领域乃至其他领域的最新进展，能够让你更好的保持对当前领域有一个比较好的insight。

那么，哪些research方向值得一做呢？我个人倾向于将research topic划分成几个层次。

最顶级的research叫做“创造”：即“无中生有”地提出一个全新的问题、概念、领域甚至是知识体系，并且使之成为其他学者可以follow的方向。但这个目标对于读PhD的人来说其实风险比较大。

第二个层次我称之为“创新”：即用全新的方法解决已有的问题。

第三个层次我称之为“革新”：即用已有的方法，通过改变其中的一部分技术，来解决已有的问题。

当然，上面的三个层次主要是针对原创性研究而划分的。对于整个research community来说，很多工作都是有价值的，哪怕只是一条comment、一个survey、一个验证性实验。

而关于技术层面，我认为最重要的一点就是保持Update：要有非常强的信息检索、收集能力。能够对整个Research community的热点、最新方法有所了解。你可以关注一些AI相关的微信公众号或知乎账号（比如@微软亚洲研究院，公众号指路“微软研究院AI头条”）、微博上一些学术圈前辈、还有要每天关注arXiv上新release出来的论文（title+abstract）。了解一下领域内出名的会议、期刊，还可以在twitter上多关注一些学术界大佬。不要放过每一个会议的best paper，哪怕它跟你做的东西并不直接相关。

最后一点，就是要善于使用各种工具来辅助你的research。比如各种云存储、云笔记。这里我肯定是要植入广告推荐一下微软全家桶：OneNote用来记笔记，OneDrive用来同步论文。每周用PowerPoint整理一个paper阅读笔记。跨平台（iPad OS、iOS、windows、mac）同步，支持Surface和iPad标注。

还有，强烈建议养个宠物，比如刺猬：

（她叫卷积）

不但抑郁的时候可以撸，还可以拿来做学术：比如全自动铲屎，遥控机械臂远程撸刺猬，基于物联网的生活环境检测，刺猬脸识别的远程监控系统。

作者：July
https://www.zhihu.com/question/34686026/answer/230942325

今天7月刚刚拿到博士学位，毕业前在组里总结了一下读博五年的一些心得体会，大概分享一下。

1. Ph. D.之路

当我拿到学位之后回顾自己的Ph. D.之路时，其实会发现，这段旅途中有几个关键的节点。

• 综合论文训练——对于大多数同学来说，本科综合论文训练（毕业设计）应该是大家的科研初体验。我对于综合论文训练的定位是，它是一个用来初窥科研门径的过程，在这个阶段，我们会大致了解做研究的一个整体流程，从文献的查找与阅读、模拟/实验的操作，到数据的处理与结果的整理分析。虽然这个阶段只有很短的几个月时间，但这个阶段可以为后续的博士生涯夯实基础。而我认为本阶段更应该注重的是对整个科研过程的了解与体验，而相对来说可以不太在意期间是否产出了很好的科研成果。

• 博士生资格考试——可能不同高校以及不同的专业对于博资考的侧重点并不完全相同，对于答主所在的学校与专业来说，博资考考察的是针对某一个具体的点提出问题、分析问题、解决问题的能力。这个点并不一定非是非常大/重要的问题，可以就是你做某篇文章中的一个小问题。正是因为考核的这几个能力是做研究所必备的能力，所以，这个考试才会称作资格考试，通过此次考试，我们才正式成为了Ph. D. Candidate.

• 博士学位论文选题——这恐怕是读博期间最重要的节点，没有之一。因为往往一个好的选题会使后续的工作展开都非常顺畅，而一个相对不太好的选题则不仅会浪费时间甚至会打击自信。在选题前，我们需要在大量文献阅读的基础上，提出科学问题。而选题最初可能最大的问题是，我们并不能很好的区分科学问题与技术/工程问题。这个阶段大概也会是读博期间最痛苦的阶段之一，可能会有比较多的迷茫与困惑。但我的建议是，不论迷茫也好困惑也罢，一定不能停止思考与工作，因为问题往往是从做（阅读文献、做实验、模拟等）的过程中发现的。对于我来说，选题前我经历了一次帮老板写基金本子的过程，那段过程当时觉得非常痛苦，但是对于后来我的选题帮助巨大。

• 学位论文撰写与答辩——确定选题后，其实需要做的无非就是把你提出的几个科学问题进行逐一攻破的过程，当然过程中也涉及很多的试错与迭代，但只要大方向确定，我们总会完成论文的大致工作。而这条Ph. D. 之路的最后一个关键节点就是博士学位论文的撰写与答辩。这个阶段其实是对整个论文工作的一个总结归纳与反思的过程。我在写论文的过程中反而想清楚了一些在之前不太清楚的问题，当然也会有些工作是会有些遗憾，如果再重来一遍的话可能会做的更好更完美一些。

2. 三多一少：多看、多做、多思考，少纠结

• 多看

“看多”——泛读，了解整体发展与趋势

“多看”——精读，重要文献，带着问题读，每次都有新认识

• 多做：

无他，但手熟尔；做实验、做模型、写文章——细心、耐心、平常心

• 多思考

贯穿始终，必不可少；知易行难，反复提醒

• 少纠结

吾尝终日而思矣，不如须臾之所学也；问题往往是在“做”的过程中发现提炼的

3. 重视交流与协作

• 与老师交流：不要成为“反馈黑洞”

• 与同学交流：小分队协作解决问题——不是一个人在战斗；不同方向同学讨论，跳出来看问题，万变不离其宗

• 组会报告：表达交流能力锻炼，关键节点把关

• 出国交流与学术会议：展示自己工作的平台；迅速追踪前沿工作

4. 有关Paper的撰写与发表

• 端正的态度：不刻意追求，水到渠成的事；多写多投——对一段时期工作的阶段性总结（或思路构建），审稿意见开拓思路

• 一些写作Tips: 阅读大量文献，总结学习文献中的表达方式;先立框架再逐步丰满内容;慎重写题目、摘要、引言与结论;参考高水平期刊的图

5. 博士学位论文的撰写

• LaTex是个有用的工具（大型论文排版），值得尝试

• 先写框架，框架体现论文的逻辑性

• 不同章节建立文件夹，整理数据及图表，便于查找

• 尽早开始写，完成初稿后请多人阅读提问题，多次修改

6. 博士学位论文答辩

• 总结与提炼关键内容——围绕关键科学问题展开，有舍才有得

• 站在更高处回头看，对研究有更深的理解

• 锻炼讲故事的能力

• 互相讨论，准备可能提出的问题

7. 其他的实用Tips

• 计划与总结

每天的工作计划——优先处理重要的事情；便于各种数据查找

每学期的计划与总结——把握大方向与节奏

• 实验与模拟记录

尽可能详细——便于发现问题与传承

• 有用的工具软件

NoteExpress:文献与笔记管理；论文添加引用方便

Latex:论文排版

任何一款可以做日程规划的软件：Excel、Windows日历、有道云…

最后一点感悟：读博训练地不止科研能力，更是锻炼一种逻辑思维方式；拿到学位只代表完成了一段较为完整的科研训练，我们都刚刚上路…

---

方便交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦

推荐阅读：

【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文

【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency Parsing

【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译

【一分钟论文】Semi-supervised Sequence Learning半监督序列学习

【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing

详解Transition-based Dependency parser基于转移的依存句法解析器

经验 | 初入NLP领域的一些小建议

学术 | 如何写一篇合格的NLP论文

干货 | 那些高产的学者都是怎样工作的？

一个简单有效的联合模型

近年来NLP在法律领域的相关研究工作

---