文献综述与研究选题_29页_2mb

CCL 2018 学生研讨会总结

核心内容

本次CCL 2018学生研讨会由清华大学自然语言处理实验室刘知远主讲，围绕学术研究的多个方面展开，包括研究选题、科研态度、文献查阅与利用、学术资源推荐等。旨在为学生提供系统性的学术指导，帮助他们更好地开展科研工作，提升研究能力。

主要观点

1. 成功的研究要素

• 重要问题：研究必须聚焦于具有实际意义和学术价值的问题。
• 新颖方法：提出新的方法或改进现有方法是推动研究进展的关键。
• 努力、积累、坚持：科研是长期积累的过程，需要持续的努力与坚持。

2. 学术研究的三个层次

• 第一层：锻炼解决开放问题的能力，是科研的起点。
• 第二层：成为相关领域的知名专家，需深入理解领域知识并形成个人研究风格。
• 第三层：做出引领领域方向的工作，推动学科发展。

3. 研究建议

• 正视个体差异：每个人的研究能力和兴趣不同，应根据自身特点选择适合的研究方向。
• 扬长避短：不同研究环节侧重不同方面，如模型设计与实现、选题、论文撰写等。
• 循序渐进：初期可侧重模型设计与实现，后期逐步承担更多责任，如选题与论文撰写。
• 迅速进入研究实战状态：在学习基础知识的同时，应尽早参与实际研究任务，实现理论与实践的结合。
• 将科研列为高优先级：研究成绩与重视程度成正比，需全力以赴。
• 坚持主动积极的态度：积极与导师、学长交流，充分利用实验室资源，以完成高水平研究为目标。

关键信息

4. 文献查阅方法

• 维基百科：作为搜索引擎，提供基础知识和背景信息。
• 中文综述（CNKI）：适合查阅中文文献，了解国内研究动态。
• 英文论文（Google Scholar）：推荐用于查阅国际前沿研究，尤其关注顶级会议和期刊。
• ACM：全球最大的计算机学术组织，其Digital Library包含大量高质量论文。
• ACL Anthology：国际计算语言学协会的论文库，涵盖几乎所有NLP重要论文，且全部免费。
• ICML/NIPS：机器学习领域的两大顶级会议，尤其在深度学习时代具有重要影响。
• arXiv.org：预印本文库，包含大量未发表的论文，需谨慎选择关注顶级组织的相关论文。

5. 如何判断论文是否值得阅读

• 作者是否为知名学者：大牛学者的论文具有较高的参考价值。
• 发表会议或期刊是否为顶级：如ACL、EMNLP、NAACL等。
• 论文的社会关注度与引用情况：引用次数多、获得最佳论文奖项的论文更具影响力。

6. 阅读论文的顺序

• 题目：快速了解研究主题。
• 摘要：掌握研究目的、方法与结论。
• 导论：理解研究背景与动机。
• 相关工作：了解当前研究的进展与不足。
• 实验结果：评估方法的有效性。
• 结论：总结研究贡献与未来方向。
• 参考文献与附录：进一步深入研究。

如何研究选题

7. 提出问题比解决问题更重要

• 一流学者：提出具有深远影响的问题。
• 二流学者：解决已有问题。
• 三流学者：仅对现有问题进行修补。

8. 选题的策略

• 博览群书：全面了解领域现状，掌握研究全貌。
• 熟知学术动态：关注当前热门问题，把握研究趋势。
• 结合个人兴趣：选择一个未来可能成为热门的研究方向。
• 关注新兴领域：如社会计算、网络表示学习等。

9. 选题的注意事项

• 做好不被认可的准备：科研过程中可能会遇到质疑，需保持心理准备。
• 思考博士生涯的整体选题：建议博士生规划3-5个独立的研究工作，形成系统性研究能力。

其他信息

• Frank Rosenblatt：他是感知机（perceptron）的发明者，其工作在神经网络发展史上具有重要意义，但也因被误解而影响了神经网络研究的发展。
• 涂存超（2018）：提出“面向社会计算的网络表示学习”，是当前研究的一个重要方向。

学术资源推荐

• ACL：国际计算语言学协会，涵盖大量NLP研究。
• NAACL：北美计算语言学协会，与ACL并列重要。
• EMNLP：欧洲计算语言学会议，关注自然语言处理的前沿研究。
• COLING：国际计算语言学会议，涵盖语言学与计算机科学的交叉研究。
• ICML/NIPS：机器学习领域的顶级会议，推动算法与模型的发展。
• arXiv.org：预印本平台，适合追踪最新研究成果。

选题建议来源

• 研报客：提供博士生选题建议，强调选题的系统性与前瞻性。

总结

本次研讨会强调了学术研究的重要性，提出了科研成功的关键要素，并提供了实用的选题与研究建议。通过系统性的文献查阅、主动的研究态度、对研究问题的深入思考与选择，学生可以更好地开展科研工作，提升自身研究能力与学术水平。