一 论文的分类
综述论文:了解该领域的发展历程,现状以及子方向,了解领域内基础概念及关键词。
专题论文:了解论文的具体算法,可以学习其设计思路,实验技巧,代码实现。
二 如何查找论文
不知道名字:
1.CVPR、ECCV、ICCV、AAAI、NIPS、ICIR、ICML
2.高引用论文
3.知名团队
4.有代码的论文(https://arxiv.org)
知道名字:
1.例如:
http://paperwithcode.com
2.例如:
https://sci-hub.tw
https://sci-hub.si
https://sci-hub.se
此三项需要输入文章的DOI值。
3.百度学术
4.文献互助
三 如何整理论文
1.命名方式,时间-作者-题名,时间-关键词-题名
按照类别归入文件夹。
2.endnote、mendeley、Zotero、Citavi电脑自带搜索工具,可以搜索关键词
四 如何阅读论文
三个层次:泛读/精读/总结
泛读
快速浏览,把握概要,重点读标题、摘要、结论、所有小标题、图表
泛读的目标以及效果自测:
1.论文要解决什么问题?
2.论文采用了什么方法?
3.论文要达到什么效果?
精读
选出精华、仔细阅读,精读目标及效果自测,所读段落是否详细
总结
了解文中的创新点、关键点、启发点
回答三个的终极问题
你是谁:论文提出/采用了什么方法?
细节是什么?
从哪里来:论文要解决什么问题/任务,其启发点或者借鉴之处在哪
到哪里去:论文方法达到什么效果,论文可借鉴之处方法总结
论文读取步骤:
1.Abstract: 论文简介,阐述工作内容,创新点
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,分析存在的优缺点
4.Discussion:论文介绍以及未来可研究的方向
5.Experiments:实验步骤以及结果分析
6.Our work:论文主要方法,实现细节
论文代码学习方法:
1.任务定义
了解程序的目的,为了实现什么任务
2.数据来源
源码的获取渠道,数据集类型,数据集来源
3.运行环境
运行环境,实验工具,第三方库
4.运行结果
能否运行成功,运行代码后出现什么样的结果
5.如何实现
代码整体实现架构,部分实现细节。
五 学习路径
python 基础
数学基础:矩阵计算,概率论,信息论
神经网络基础知识
1.神经网络基础知识
2.卷积神经网络
3.循环神经网络
pytorch入门
NLP基础知识
1.词袋
2.分布特征
3.TFIDF权重
4.n元语言模型
5.语言学特征
NLP相关任务
2.1文本分类
2.2序列标注
2.3翻译/摘要/信息抽取
2.4文本生成
学习路径
NLP:预训练模型、信息抽取、图神经网络、知识图谱