研究心得：调研文献“快而全“的三步

前言

本人研究心得体会，仅做参考和讨论，本人为计算机工科方向，其他学科领域可能无法参考

调研文献一直是一件让人很头疼的事情，尤其是我们刚接触一个陌生的领域的时候，我们对其知之甚少，而恰好组里又没有师兄、师姐做过这个方向。这种情况下，求助现有的paper list是一个很好的办法，也有人会先去看一篇survey个人觉得也不错。但是，很多时候某些领域相对比较空白，这些外界资源也会很匮乏。这时候，走投无路的小白可能会盲目地打开谷歌直接就按照关键字去搜索了，然后就会发现：

然后，小白就会从第一条搜索结果开始看，abstract->introduction->methodology…好不容易勉强啃完，然后又开始下一篇…到最后，一大半的小白都会坚持不下去。

那么，假如说advisor给了一个topic,这个领域我们非常陌生，同时我们又没有额外帮助的情况下，我们如何白手起家，短短几天内就能对一个陌生的领域有一个整体的把控？

其实答案很简单，只需要三步。

步骤

1. 一篇就够

首先，假定advisor给定的topic是"open-domain relation extraction"

去arxiv或者google scholar搜索词条(有关于advanced search请自行百度)：

模糊查询出来的结果有153条：

文章呈现的列表是按照日期远近排序的。那么我们就自上向下，找一篇发表日期距离当下比较接近的顶会上的文章 (注意！最好是顶会或者顶刊，而且是比较接近，也不要太近，原因后面会解释)，比方说我现在是10月5日，那么我就找了一篇ACL 2021（ACL 2021收录结果公布是5月6日）的文章：

接下来自然就是阅读文章，注意一开始阅读文献的时候，因为对这个领域不太熟悉，所以我们不仅需要读他的methodology, 我们更加需要重点关注的是这篇文章的introduction和related work! （很多人会武断地认为related work是"垃圾堆"，本人持否定观点，而且对于领域小白来说，related work无疑是宝藏）

2. 他引了谁？

至此一篇比较新的顶会文章被啃完了，这个时候不要把他丢掉，然后无脑看搜索结果的下一条，而是返回到刚才那篇文章的related work：

看看，人家都帮你把很多论文都整理好了

这个时候，看看related work里面所引用的文献有没有和你研究兴趣比较match的文章，比方说我现在对"deep-learning-to-hash"这个概念很感兴趣，那么我就从后往前把提及到的2015、2016、2017的文章去看一看。

这个过程就像是在顺藤摸瓜，一点点回溯，你一开始可能对这个领域的很多名词、称谓很陌生，但是回溯回去几篇文章之后，你脑子里的很多概念就会变得明朗。而且，由于每个领域一开始发展的时候会有很多不成熟的方法和尝试，作者们也会有各种各样的思考见解(insight)。他们之中，有些方法成为了paradigm, 而有些方法则被遗弃。慢慢地你对这整个领域的历史发展、来龙去脉就会了然于心。你对你"我到底要做什么？这个领域还有什么问题等待着我来解决？"的问题就会渐渐有数。

3. 谁引了他？

上面这个步骤非常消耗时间和耐心，一旦完成了上面这个步骤，基本上大半的工作你都完成了。接下来你还剩最后一步。

打开google research, 把刚才那篇paper的title原模原样打进去，然后点击"被引用次数"：

之后你会看到从ACL 2021这篇SOTA之后，又有多少人可能沿着他们这篇的方向继续做下去：

可以看到从2021的5月到现在10月，有两篇工作引用了之前那篇顶会文章。当然，他们有可能只是引用了一下，可能做得东西会不一样，需要自己再去甄别一下。

至此，你所感兴趣的这个领域的绝大多数文章 (公开发表)，已经都被你搜罗完毕，之后就是整理paper list，然后挑选那些和你关系比较密切的文章进行详细阅读。

QA：为什么不能是最新的文章？

上面说了，第一步的时候找的文章不能是很近很新的文章，原因在于两点：

1. 太新的文章可能目前还没有很多人关注
   比方说还是上面那个例子，如果我在arxiv上找了一篇EMNLP 2021的文章(EMNLP 2021收录通知在8月26日，距离今天仅仅相隔一个月左右)：
   
   如上，这类文章由于还没有正式见刊，受到的关注度比较少，很有可能不纳入最近一些大组的考量范围内 (有可能就是那些要冲击ACL 2022的组)，所以很显然你有可能会漏掉一些大组最近 (9月份、10月份刚submit到arxiv上的pre-print) 在做的工作。这样的话从前往后调研一些最新的工作可能会受点影响。
   相对的，如果是隔得远一些，这种情况就会好转。由于做一篇文章的周期一般为3~5个月 (自然语言领域)， 如果说找的那一篇文章是ACL 2021收录的工作，从2021年5月份到10月份，刚好5个月时间过去，近期那些已经完成的最新的工作，他们的作者当初在调研的时候，肯定会引用这篇文章 (ACL 2021 的SOTA都没比，还想来投ACL 2022?)
2. 太新的文章调研工作可能还不成熟
   因为arxiv上的文章都是pre-print，有些comment里面说自己是EMNLP 2021的文章，都有可能不是他们最终的camera ready版本。甚至有些是还在投的文章，比方说刚刚前几天submit到arxiv上的pre-print，他们很有可能只是先来占一个坑罢了，调研工作做的可能也不全。如果用这些文章进行从后向前的回溯，可能会出一些问题 (而且arxiv上的文章曾差不齐…)

tips

• 需要额外注意，第一步中，在arxiv这种平台上找文献的时候，要注意文章最新的收录情况（有些作者发在arxiv上可能不喜欢comment，或者就是收录了之后忘了更新）。谨慎一点的话，最好把那些没有comment的文章去google上搜一下，看看它有几个版本，有些文章可能已经被顶会收录了的：
  
  另外，我们在投稿的时候不需要care我们的citation是来自arxiv上的还是文章见刊之后的（有点消耗时间）。当我们文章收录之后，改camera ready的时候，可以再去把自己的ref里面那些pre-print的收录情况更新掉。
• 再插一嘴，本文只是调研文献的思路中的一种，还有一些其他思路。比方说，如果某个组近期的工作和你的很接近，那就去他们组advisor的主页视监呗【手动狗头保命】。很多时候某个领域的文章看多了，你会发现经常在做你这个领域的authors真就只有那么几个人…

---

仅作交流、参考，欢迎讨论！