如何在4-6个月产出论文？（含180条论文讲解）

科研的本质：解决问题，创造新事物(新问题、新方法、新发现、新理论)

科研论文的 关键的体现在于将所得结果详实记录并进行科学分析后，总结成果写成论文由同行评议认可后发表。

科研的完整过程

一、如何调研确定topic

什么是好的topic，就如同寻找网易云音乐的小众歌手：

01:越直观简单越好： 简单意味着自己领域知识的学习成本低，例如NLP的文本分类，CV的人脸识别

02:越小众越好： 越小众，说明研究的人越少，研究竞争难度低，例如医学和CV结合的方向，NLP和生物信息(例如药物挖掘)的交叉方向

如何去寻找小而美的topic，要走金山里面找金子。

step0: 确定含金量最高的信息源

翻所在领域近三年的顶会文章 ，NLP领域主翻 ACL/NAACL/EMNLP 的顶会文章，CV主翻 CVPR/ECCV/ICCV 的顶会文章，机器学习主翻 NIPS/ICLR/ICML ，图与数据挖掘主翻 KDD/WWW/SIGIR 。

step1: 只看论文标题，确定10-20篇准备看摘要的论文

浏览找到顶会文章的paper title list，根据直观易懂且小众原则排序选出10-20篇论文看摘要。

step2: 看10-20篇准备看摘要的论文

找到3-5篇摘要看的懂的论文，仍然是 直观易懂且小众排序 原则。

step3: 精读3-5篇论文，确定研究的topic，找到一个觉得我可以的topic

精读3-5篇论文，对每篇论文所涉及的topic回答下面几个问题：

扫码 0.01元 领取

《4-6个月产出论文实操手册》

（二）如何确定idea

空想无用，实践才能出真知。

step0:平地不好起高楼，找到好的代码

确定topic之后，搜索相关baseline的开源实现代码，评判原则readme完善，看的不吃力，跑起来容易。

step1:纸上得来终觉浅，觉知此事要躬行

确定好的开源代码实现后， 对比原始论文，把对应的实验都跑一遍，看看能不能复现论文实验效果 。

以及对实验的数据集多做error analysis和case study，反复实验和分析数据，洞见到提升点，能找到提升点，自然就可以产出idea。

step2: 多多讨论，寻求合作

独立科研能力虽然重要， 但是对于小白更需要找到好的合作者和引路人，和相关论文代码作者多发邮件讨论问题，甚至可以邀约合作。

也可以多找靠谱的师兄姐同学讨论，一个人干很容易迷茫。

在讨论和合作中，可以更加明确idea，当然记住idea也要谨慎透露，防止idea被剽窃。

扫码 0.01元 领取

《4-6个月产出论文实操手册》

二、如何多快好省做实验

工程思维，快速迭代。

step0:0-1 阶段，快速验证想法

万事开头难，确定idea之后，要快速实现idea验证想法没有问题，如果没有问题，自然一顺百顺。

如果有问题，解决方法如下：

首先，最小迭代原则， 自己的idea最好是在基础代码上的逐步迭代，确保实验不顺需要分析考虑的对象最少化。

其次，勇于跳坑， 如果某次的实现发现经过一段时间努力后没有效果并且分析不出，及时跳坑，考虑换一个代码baseline实现，甚至要重新review讨论idea。

step1: 1-10阶段，完整solid的实验方案

实验越全面翔实，论文中稿概率越大，一个统计数据method+实验部分接近论文页数限制，基本可以中稿。

开了好头，接下来是最见逻辑和思考的阶段，初步想法验证后，需要扩展实验和分析。

如何扩展实验， 借鉴baseline对应论文的实验setting ， 确定自己要做哪些ablation study实验以及补充哪些数据集的实验 ；

如何进行分析，分析最关键的是要解释出自己的实验效果如何好，一般针对自己argue的几个点，给出定量的曲线统计实验或者定性的case study实验。