怎样读文献(翻译)

学习前沿的技术,经常要读文献,但对很多人来说读文献是一件非常头疼的事。在网上偶然看到 Charles Sutton写的一篇文章,里面提到的读文献的方法感觉很不错,现把文章翻译了一下方便大家理解。原文链接:http://www.theexclusive.org/2017/11/read-a-paper.html . 文章后,附有原文内容。


我们可以读到很多关于如何读文献的建议,比如文章[1]中就提到了一些很好的方法。

这里,分享给大家一个很少被提及的小技巧,帮助大家更好的理解文献。这个小技巧就是在读完文献后问自己:

假设你有一个非常聪明的朋友,如果用5分钟把文献的内容讲给他,你将怎样总结?

直到你可以把一篇文献很好的解释给一个没读过此篇文献的很聪明的朋友,你才算读懂了这篇文献。你需要解释的很清晰,这个朋友才能明白这篇文献解决了什么问题,用了什么方法,和与其他文献的联系,比如在什么地方有了创新。

这个技巧里还包括了两条准则:

准则1:你需要用自己的话脱稿总结出文献的内容。如果只是重复文章内的话,说明你没有很好的理解文献内的信息。

准则2:你不能完全接纳文章表面上说的信息。你可以认为他们说的都是事实,但他们可能会夸大一点。你作为一个独立的学者,可能不完全同意他们的说法,或者他们提出作为解释观点的新证据。你在跟朋友解释的时候,也可以说说文献中可以改进的地方,和你认为他们文章呈现出的效果如何。

换句话说:如果你在描述过程中有模糊的地方,你这个很聪明的朋友可能会提出相应的疑问。所以直到我深入透彻的理解了论文中的结论和实验,我才会向我的朋友解释这篇文献。如果只是简单的说文献中作者提出的某个观点,但是这个观点本身又是不确定甚至可疑的,那朋友会立刻问到“为什么他们得出这样的结论?”“他们有实验证明这样的结论吗?”,面对这些提问,你需要有一个很好的回答。

在你阅读文献的过程中,也可以尝试这个技巧。比如读完引言,猜一下后面会用到的方法,然后继续阅读,验证自己的猜想。

简而言之,就是假设在你阅读文献的过程中,有一个很聪明的朋友。你可能不希望别人知道你有个假象的朋友,因为会影响声誉,但是这个方法对理解文献有帮助,所以为什么不试试呢?

[1] S. Keshav. How to read a paper. ACM SIGCOMM Computer Communication Review, 37(3):83–84, 2007.


原文:

How to read a research paper

By Charles Sutton on November 4, 2017

There’s lots of advice you can read about how to read a research paper. There’s some good advice in this paper:

S. Keshav. How to read a paper. ACM SIGCOMM Computer Communication Review, 37(3):83–84, 2007.

But there’s one tip that I can offer you to organise your reading of a paper that I can’t remember seeing elsewhere. Ask yourself:

What is the 5 minute summary that you would give to a Very Smart Friend?

I don’t understand a paper until I can explain the paper to a smart person who hasn’t read it. I need to be able to explain enough to the VSF so that she understands: what problem the paper is trying to solve, what sort of methods does it use, and how does it relate to the literature, i.e., what does it add.

But there’s two rules.

Rule 1: You have to use your own words, summarising the paper without looking at it. If you find yourself repeating sentences from the paper, the you haven’t internalised the paper’s message.

Rule 2: You cannot take anything the paper says at face value. You can assume that the authors won’t lie to you. But they might oversell a bit, and if you are a independent expert, you might not agree with everything they claim, or with how they interpret the new evidence that they have provided. Or you might be able to describe what’s going on a little bit better than they managed. What do you think that they have shown?

Another way of saying this: I know that my imaginary Very Smart Friend will jump on me if I say something inaccurate. So I don’t want to make a claim to my iVSF unless I can argue for it, based on what I have learned from the theory and experiments in the paper. If I just say something like “well, the authors claim X,” but X is controversial, or even dubious, then my iVSF will immediately want to know why they say that, do they really have evidence, and I had better have a answer.

It can also be good to try this exercise even before you are done. After reading the introduction, how well can you guess what the methods will be, even before you read them? Then read to see if you were right.

To sum up, I hope that I’ve convinced you that having an imaginary friend can help you in your research. You might not want to tell everyone on the internet that you have an imaginary friend, as I have just done, because it might not improve their respect for you. But hey, if it’s good for your research, then where are your priorities?

原文发布于微信公众号 - 机器学习养成记(chenchenwings)

原文发表时间:2017-11-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏技术翻译

揭开人工智能、机器学习和深度学习的神秘面纱

深入学习,机器学习,人工智能——所有代表分析的未来的流行词。在这篇文章中,我们将通过一些现实世界的例子来解释什么是机器学习和深度学习。在以后的文章中,我们将探讨...

10800
来自专栏灯塔大数据

每周学点大数据 | No.58协同过滤模型(上)

NO.58 协同过滤模型(上) Mr. 王:为了能够有效地利用其他用户的评价来进行更有效的推荐,人们提出了协同过滤的推荐模型。 小可:那什么是协同过滤模型呢?它...

32890
来自专栏磐创AI技术团队的专栏

【入门必备】史上最全的深度学习资源汇总

---- 磐创AI 整理编辑 作者:磐石 版权声明:本文是由磐创AI技术团队整理发行,如需文章转载请留言申请。 ---- 【磐创AI导读】:前一篇文章中我们介...

39940
来自专栏机器学习之旅

总结:常见算法工程师面试题目整理(二)

答: boost的核心思想不同于bagging,它在基于样本预测结果对照与真实值得差距,进行修正,再预测再修正,逐步靠近正确值。

11520
来自专栏机器之心

懒人福利:不写代码调优深度模型,谷歌开源的「What-If」了解一下

构建有效的机器学习系统意味着要问许多问题。仅仅训练一个模型放在那儿是不够的。优秀的从业者就像侦探一样,总是试图更好地理解自己的模型:对数据点的改动对模型的预测能...

10630
来自专栏人工智能头条

资源 | 给程序员,准入门级深度学习课程

18440
来自专栏达观数据

多模型融合推荐算法在达观数据的运用

多模型融合推荐算法在达观数据的运用 研发背景 互联网时代也是信息爆炸的时代,内容太多,而用户的时间太少,如何选择成了难题。电商平台里的商品、媒体网站里的新闻、小...

55960
来自专栏浮生的专栏

机器学习为更好的火灾现场安全

当勇敢的消防员身处险境试图抢救其他人和他们的财产的时候,他们的生命同样受到了威胁。在这篇文章中,我想分享我在AAIA第15届数据挖掘竞赛中的经验和获奖策略:给火...

25740
来自专栏企鹅号快讯

AI技术词条 强化学习

关注AI君,领略人工智能之美 ? 强化学习 Reinforcement Learning 前言 各位读者,新年好! 欢迎阅读《AI技术词条》系列文章,这一系列文...

20980
来自专栏机器之心

学界 | 深度神经网络比拼人类视觉:信号弱时的物体识别差异

选自arXiv 机器之心编译 参与:Smith 近日,来自德国 Tubingen大学和Potsdam大学的研究人员们共同发布了一项研究成果——深度神经网络和人类...

29850

扫码关注云+社区

领取腾讯云代金券