研究选题与论文写作（一）

如何选择一个好题目
学术型研究生选题建议：

• 先找到自己喜欢的研究领域。尽量选择蓝海领域（未知的市场空间，相对于红海），因为蓝海的领域相对比较新，容易出成果。
• 充分调研这个领域目前的发展状况。
  
  • 方法方面：是否有一套比较清晰的数学体系和机器学习体系；
  • 数据方面：有没有公认的标准数据集和测试集；
  • 研究团队：是否有著名团队和人士参与。
• 在确认进入一个领域后，需要找到本领域的开源项目或者工具，仔细研究现有主流方法和流派，先入门。
• 反复阅读本领域最新发表的文章，多阅读本领域牛人发表的文章。在深入了解已有工作的基础上，探讨还有没有一些地方可以推翻、改进、综合、迁移。注意做实验的时候，不要贪多，每次实验只要验证一个想法。每次实验之后，需要进行分析存在的错误，找出原因。
• 对成功得实验，进一步探讨如何改进算法。主要实验数据必须是业界公认的数据。

• 与已有算法进行比较，体会是否能够得出比较一般性的结论。如果有，则去写一篇文章，否则，应该换一个新的选题。

  如何写出第一篇论文

• 确定论文的题目。在定题目的时候，一般不要用“。。。系统”、“。。。研究和实践”，要避免太长的题目，因为不好体现要点。题目要具体，有深度，突出算法。

• 写论文摘要。要突出本文针对什么重要问题，提出了什么方法，跟已有工作相比，有什么优势。实验结果表明，达到了什么水准，解决了什么问题。
• 写引言。首先讲出本项工作的背景，这个问题的定义，它具有什么重要性。然后介绍对这个问题，现有的方法是什么，有什么优点。但是现有的方法仍然有很多缺陷或者挑战。比如，有什么问题。本文针对这个问题，受什么方法的启发，提出了什么新的方法并做了如下几个方面的研究。然后对每个方面分门别类加以叙述，最后说明实验的结论。再说本文有几条贡献，一般写三条足矣。然后说说文章的章节组织，以及本文的重点。
• 相关工作。对相关工作做一个梳理。对主要流派（最多三个）做一个简单介绍。介绍其原理，然后说明其局限性。
• 然后可设立两个章节介绍自己的工作。
  
  • 第一个章节是算法描述。包括问题定义，数学符号，算法描述。文章的主要公式基本都在这里。有时候需要给出简要的推导过程。如果借鉴了别人的理论和算法，要给出清晰的引文信息。在此基础上，由于一般是基于机器学习或者深度学习的方法，要介绍模型的训练方法和解码方法。
  • 第二章是实验环节。一般要给出实验的目的，要检验什么，实验的方法，数据从哪儿来，多大规模。最好数据是用公开测评数据，便于别人重复你的工作。然后对每个实验给出所需的技术参数，并报告实验结果。同时为了与已有工作进行比较，需要引用已有工作的结果，必要的时候需要重现重要的工作并报告结果。用实验数据说话，说明你比人家的方法好。要对实验结果好好分析，你的工作与别人工作的不同及各自利弊，并说明其原因。对目前尚不太好的地方，要分析问题之所在，并将其列为未来工作。
• 结论。对本文的贡献再进行一次总结。既要从理论、方法上加以总结和提炼，也要说明在实验上的贡献和结论。所做的结论，要让读者感到信服，同时指出未来的研究方向。
• 参考文献。给出所有重要相关工作的论文。记住，漏掉了一篇重要的参考文献，基本上就没有被录取的希望。
• 写完第一稿，然后再改三遍。
• 把文章交给同一个项目组的人士，请他们从算法新颖度、创新性和实验规模和结论方面，以挑剔的眼光，审核你的文章。自己针对薄弱环节，进一步改进，重点加强算法深度和工作创新性。
• 然后请不同项目组的人士审阅。如果他们看不明白，说明文章的可读性不够。需要修改文章结构，进行文字润色，增加文章可读性。
• 如投国际会议，最好请英语专业或者母语人士提炼文字。

---

转载自：如何在NPL领域第一次做成一件事