顶会论文心得

WWW23顶会

很幸运能在WWW23中稿两篇论文，作为22年中旬才开始做深度学习方面的科研新手来说，给即将入门科研的人一些我总结的经验和技巧
主要分成这几点来介绍:

• 科研前的选题
• 科研中的耐心
• 科研后的延续
• 总结
• 工作简介

科研前

作为一个深度学习的小白， 我之前科研的主要方向是矩阵优化和统计优化，后面因为一些原因转到图神经网络的组里。主要是做深度学习和数据挖掘。这时候，我们需要思考自己的优势，我们不像计算机可续班的同学那样，各种代码框架新手拈来。代码的实现轻而易举。我们有的是一些虚无缥缈的数学功底。
在阅读图神经网络的各种相关文献的时候，发现文章一般有两种风格，一个是解决问题的“技术报告”，另一种是理论丰富但是实现起来较为容易的。我作为数学系的学生自然就选择了后者 （因为不会写代码5555）。确定了论文风格之后，再加上同期还在参与一个图谱理论的讨论班，所以就开始着重阅读一些偏理论的图谱网络的文章。

文献积累够了之后，我们就需要思考整个领域的缺陷和可能可以发展的地方。也就是常说的ideas，我认为文章大概又能分为以下几种，一种是占坑类型（A+B),一种是开创类型的，一种是深挖类型的，而我当然就是选择从A+B中进行深挖，往往最好下手（要从科研质疑的角度看待每一篇论文，而不是学习

科研中

确定了科研题目之后，就会遇到证明猜想和代码实验的困难。对于我的选题，代码的部分往往并不困难（难的我也不会写呀5555），所以我只有一些对数学证明的感触。每篇文章我往往都会写一到两个小定理或者性质命题，我们需要对我们新的设定做一些简单的假设，然后在一些特殊情况下，构建起对于整个模型的认识，然后根据一些参考文献，给出我们的猜想的命题，比如收敛，收敛性，鲁棒性…证明的方法虽然大相径庭，但一般都是关于矩阵论和随机过程的东西，强相关的参考文献中的证明过程一定要仔细过一遍，因为往往能学到这个领域的“套路”。

对于代码实验，处理将自己的想法实现出来，我也有一些小小的心得，那就是要和作者一起把代码$review$一遍，遇到效果不佳或者提升并不明显的时候，不要轻易放弃，不一定是你的idead不可行，可能是框架的一些别的模块和我们的方法不匹配，这就需要经验的积累了，也是科研经验很重要的一部分。

科研后

很多人会好奇科研后是什么意思，其实就是如果对这个领域进行进一步的深挖，甚至是在这个课题做完之后如何进行更多的改进。这个一般在论文收尾或者修改论文的时候思考。我往往会在大规模跑实验和写论文的时候，阅读一些其他小领域的文章，粗略的了解一些不曾触及的知识，这对于idea的迸发和科研的推进应该是非常有用的。

总结

关于2022年整个科研过程，我觉得有几点非常重要：
（1）打好数学基础，不要贪图看论文的数量，看一篇就要看懂一篇；（2）多和伙伴交流，这真的很重要很重要，多听听别人的建议和想法会让你受益匪浅，也会脑洞大开hhh；（3）不要局限自己的领域，不要功利性的看一些论文，对于和自己科研方向看起来无关的知识也可以适当的了解；（4）除了论文的理论和结果，论文的写作也是非常重要的，往往一篇文章修改的时间甚至比写作还长，需要耐心理清楚逻辑让审稿人和读者明白你的意图

经验

从科研质疑的角度看待每一篇文章

在大规模跑实验和阅读论文的时候，阅读一些其他小领域的文章，粗略了解一些不曾触及的知识。

                   ————$ideass$的迸发和科研的推进是非常有用哒。

什么作者针对什么问题，提出什么技术。

附原文链接

https://mp.weixin.qq.com/s/nzUaSj0hR4znP2jqxdhW7w