论文阅读方法

2021-05-15 机器学习 论文阅读

# 一、为什么要读论文

  1. 构建知识体系:通过 Related Works 快速了解该方向研究现状,追踪经典论文
  2. 紧跟前沿技术:了解领域内新技术及效果,快速借鉴到自身项目
  3. 培养科研逻辑:熟悉论文体系,了解如何创造新事物,培养良好科研习惯
  4. 写论文:读书破万卷,下笔如有神
  5. 面试找工作:涉及大量面试问题,丰富简历必备

# 二、读哪些论文

# 2.1 论文类型角度

综述论文:快速熟悉某领域发展历程、现状及子方向,了解领域内基础概念及关键词。

专题论文:介绍具体算法,可学习其设计思路,实验技巧,代码实现等具体技术。

# 2.2 论文质量角度

高质量期刊会议:CVPR、ECCV、ICCV、AAAI、NIPS、ICLR、ICML 等

高引论文:同行间普遍认可、参考、借鉴的论文

知名团队:Yoshua Bengio、Yann LeCun、Geoffrey Hinton、Andrew Ng 等

有代码论文:"Talk is cheap. Show me the code."

推荐网站The latest in Machine Learning | Papers With Code (opens new window)

# 三、如何找论文

# 3.1 未知论文题目

关键词 搜索相关领域论文。

  1. 知网:寻找 优质 综述,快速入门
  2. 百度学术、Google Scholar
  3. arXiv (opens new window):论文预印本(preprint)平台
  4. 顶会:CVPR、ECCV、ICCV、AAAI、NIPS、ICLR、ICML 等

是否优质(看 IF)

IF(Impact Factor,影响因子):期刊前 N 年发表的论文 被引数 除以前 N 年发表的 论文数

JCR(Journal Citation Reports,期刊印证报告):统计 SCI 期刊的论文引用数据,给出各期刊 IF。

SCI 期刊分区

  • JCR 方式:一、二、三、四区各占 25%25\%
  • 中科院方式:一区为前 5%5\%,二区为 5%20%5\%-20\%,三区为 20%50%20\%-50\%,四区为 50%100%50\%-100\%

# 3.2 已知论文题目

SCI-HUB:一个能绕过科研论文收费的神器网站,可根据 URL、PMID、DOI、关键词进行搜索。

  • PMID(PubMed Unique Identifier,PubMed 唯一标识码):PubMed 搜索引擎中收录的生命科学和医学等领域的文献编号。

  • DOI(Digital Object Unique Identifier,数字对象唯一标识符):相当于文献的数字身份证。

百度学术,文献互助

# 四、如何整理论文

# 4.1 手工整理

  • 统一命名格式:时间-作者-题名;时间-关键词-题名
  • 按类别归入文件夹
  • 检索:电脑自带搜索工具,搜索关键词

# 4.2 管理工具

论文管理工具包括:EndNote(收费)、Mendeley、Zotero、Citavi 等。

# 五、如何读论文

# 5.1 读论文的困境

重点难把握:10 多页文字,难在找到重点、关键点。

论文关系复杂:论文之间存在相互借鉴引用,需耗费时间才能理清技术发展历程。

公式图表难懂:公式复杂、参数过多、难以理解。

难以坚持:世上无难事,只要肯放弃。

# 5.2 不同人群阅读差异

入门的学生:学习知识为主,要求面面俱到。

工业界工程师:借鉴算法为主,注重算法实现。

# 5.3 读论文三部曲

泛读 -> 精读 -> 总结

泛读:快速浏览,把握概要。读标题、摘要、结论、所有小标题和图表。

泛读 目标效果自测

  1. 论文要解决什么问题?
  2. 论文采用了什么方法?
  3. 论文达到什么效果?

精读:选出精华,仔细阅读。

精读 目标效果自测:所读段落是否详细掌握。

总结:总结文中创新点、关键点、启发点等重要信息。

# 5.4 论文阅读效果自测

回答三个终极问题:

  1. 你是谁:论文提出 / 采用什么方法,细节是什么?
  2. 从哪里来:论文要解决什么问题/任务,其启发点或借鉴之处在哪?
  3. 到哪里去:论文方法达到什么效果?

论文中可借鉴地方总结。

# 5.5 论文结构

  1. Abstract:论文简介,阐述工作内容、创新点、效果。
  2. Introduction:介绍研究背景、研究意义、发展历程,提出问题。
  3. Related Work:相关研究算法简介,分析存在的缺点。
  4. Our Work:论文主要方法、实现细节。
  5. Experiments:实现步骤及结果分析。
  6. Discussion:论文结论及未来可研究方向。

# 5.6 论文代码学习方法

任务定义:搞清楚程序的目的,为了实现什么任务

数据来源:源码获取渠道,数据集类型,数据集的来源

运行环境:运行环境,实验工具,第三方库

运行结果:能否运行成功,运行代码后出现什么样的结果

如何实现:代码整体架构,每部分实现细节

Last Updated: 2023-01-28 4:31:25