| 查看: 1716 | 回复: 1 | |||
| 当前主题已经存档。 | |||
[交流]
如何找到某topic的state-of-the-art(最好的)－送给做开题报告的朋友！
|
|||
|
转载自：http://zeddius.spaces.live.com/b ... FA7B7532B!937.entry 如何找到某topic的state-of-the-art 首先随便找一篇该领域的paper。可以从google这个topic关键词开始。如何找需要一些搜索技巧，比如可以加"filetype:pdf" directive，因为很多paper都是pdf格式的。 如果把这个领域的论文看作是一个小的social network，vertex是论文，edge是引用，其weight就是reference count。相信从任意一点开始，经过一段时间的survey，总能找到该topic下频繁引用的paper。然后我们再从这些paper的引用出发，不断iterate... 按照pagerank的思路，质量高的paper引用的论文应该也是好的，这样可以从好paper的reference展开。对于引用了那些好paper的paper，它们不一定都是质量高的，但我们也应该扫一遍，因为经典paper往往年代比较久远，比较理论化，而引用这些paper的paper也许跟你正好做的是同一个task，都是这个topic下的某项应用。 接下来的工作分成两部分：一是寻找该领域的expert。对于某项具体问题，expert的权威性是不言而喻的，比如michael jordan之于graph model，jianfeng gao之于language model，thorsten joachims之于svm...现今有个hot topic就是找出organization内部的expert (expert finder)，找出expert后，可以访问他的个人主页，找到他的publications，看看他在该领域最近做了哪些工作，使用了什么方法。而另一方面工作就是去follow该领域的一个或多个会议或期刊，比如machine learning相关的就有ICML, ECML, JMLR, Machine Learning等等，看看这些会议期刊收录了哪些paper，从中可以看出这个领域最近的研究动向和热点是什么。 找到经典的paper之后，也许它们篇幅太长，年代过于久远而不愿一读。这时可以看一看近两年发表的该领域的paper，这些文章往往是对经典算法的扩展，或是新领域的应用，文中的intro, related work部分往往对前人工作(不同算法，不同应用)做了相当完善和梗概的叙述。如果时间紧迫，跳过那些冗长的经典paper，转而看看这些paper的前两部分，往往是个不错的选择。 思路还有很多，以上都只是一些heuristic。只要自己用心，花上一点时间，相信总能找到该领域里的state-of-the-art |
回复此楼» 猜你喜欢
今年审到国自然15份，谈谈感受
已经有24人回复
-
献血感触
已经有13人回复
-
面上本子正文33页，违规吗？会被低分嘛？
已经有16人回复
-
国自然评分
已经有5人回复
-
国自然上会要求
已经有11人回复
-
投稿求助，期刊
已经有6人回复
-
提交了我也来说说感想
已经有10人回复
-
评审有感
已经有26人回复
-
Sci. Bull. 悲剧经验
已经有8人回复
-
河北省自然科学基金
已经有4人回复
xufund
至尊木虫 (知名作家)
- 应助: 4 (幼儿园)
- 金币: 18237.5
- 散金: 20
- 红花: 5
- 帖子: 6734
- 在线: 811.7小时
- 虫号: 311488
- 注册: 2006-12-30
- 专业: 合成药物化学
2楼2007-03-04 10:40:08
5