作者尤金·顏，亞馬遜應用科學家

“與其手動檢查我們的數(shù)據(jù)，為什么不試試領英的做法呢？它幫助他們實現(xiàn)了95%的準確率和80%的召回率?！?

然后我的隊友分享了如何使用k-最近鄰來識別不一致的標簽（在職位名稱中）。然后，LinkedIn在一致的標簽上訓練支持向量機(SVM)；然后用支持向量機對不一致的標簽進行更新。這幫助他們在職稱分類器上達到95%的精確度。

這個建議在我們的討論中是最有用的。對它的跟蹤導致我們的產(chǎn)品分類器的最終準確率達到95%。我問她，她是如何貢獻出這種批判性的見解的。“哦，我只是偶爾看看報紙。”她回答。具體來說，她每周都會讀1-2篇論文，通常是圍繞團隊正在研究的主題。

通過閱讀論文，我們能夠了解其他人（例如LinkedIn）發(fā)現(xiàn)哪些有用（或者不有用）。然后我們可以適應他們的方法，而不必重新發(fā)明火箭。這有助于我們以更少的時間和精力交付工作解決方案。

如果說我比別人看得更遠，那是因為我站在巨人的肩膀上。
-艾薩克·牛頓

閱讀論文還拓寬了我們的視野。盡管我們可能在數(shù)據(jù)科學的狹隘領域工作，但切向研究的發(fā)展往往是有幫助的。例如，Word嵌入和graphshave的思想在推薦系統(tǒng)中很有用。同樣，來自計算機視覺的思想--如遷移學習和數(shù)據(jù)增強--對自然語言處理(NLP)有幫助。

閱讀論文還使我們了解最新情況。在過去的十年里，自然語言處理領域取得了長足的進步。盡管如此，通過閱讀最關鍵的10篇左右的論文，我們可以很快跟上速度。通過了解最新情況，我們在工作中變得更有效，從而需要更少的時間和精力。然后我們有更多的時間閱讀和學習，導致一個良性循環(huán)。

如何選擇讀什么論文？

如果我們開始養(yǎng)成這個習慣，我們可以閱讀任何我們感興趣的東西--大多數(shù)論文都會有一些東西教我們。閱讀我們感興趣的話題也會更容易養(yǎng)成習慣。
我們也可以根據(jù)實用性來選擇論文。例如，我們可能需要快速理解一個項目的域。在開始一個項目之前，我?guī)缀蹩偸橇舫鰰r間進行文獻綜述?；◣滋鞎r間研究論文可以節(jié)省幾周甚至幾個月的死胡同和不必要的重新發(fā)明輪子。

建議也是確定要閱讀的有用論文的方便方法。一個黑客是在社交媒體上關注我們崇拜的人，或者訂閱精心策劃的時事通訊--我發(fā)現(xiàn)這些來源的信息噪聲比很高。

我讀什么報紙？出于實用性，我讀的多是與工作有關的論文。這使我能夠立即應用我所讀到的知識，從而加強我的學習。在工作之外，我對序列感興趣，并傾向于閱讀強化學習。我特別喜歡分享什么有效什么無效的論文，比如通過消融研究。這包括關于Word2VEC、BERT和T5的論文。

論文怎么讀？

在谷歌搜索“如何閱讀論文”會返回無數(shù)有用的結果。但如果你覺得它勢不可擋，這里有幾個我發(fā)現(xiàn)很有幫助的：

• 經(jīng)典的三次傳遞方法（和三分鐘的視頻播放）
• OMSCS 6460如何閱讀學術論文：最受歡迎的教授的建議
• 與分享他們方法的其他科學家的訪談
• 工程研究論文的研究方法
• 我們不是唯一發(fā)現(xiàn)困難的人

我的方法類似于三遍法。在下面的例子中，我將分享我是如何閱讀幾篇recsys的論文來了解新穎性、多樣性和偶然性的度量標準的。等等。

在第一遍中，我掃描摘要以了解論文是否有我需要的內(nèi)容，如果有，我瀏覽標題以確定問題陳述、方法和結果。在這個例子中，我專門尋找如何計算各種度量的公式。我給我的單子上的所有文件一個第一關（并拒絕開始第二關，直到我完成了單子）。在本例中，大約一半的論文進行了第二次傳遞。

在第二遍中，我再次閱讀每一篇論文，并突出顯示相關章節(jié)。這有助于我在以后參考論文時迅速發(fā)現(xiàn)重要的部分。然后，我為每篇論文做筆記。在本例中，注釋主要圍繞度量（即，方法、公式）。如果是一個應用程序的文獻綜述（例如，recsys、產(chǎn)品分類、欺詐檢測），說明將側(cè)重于方法、系統(tǒng)設計和結果。

對于大多數(shù)論文來說，第二次通過就足夠了。我已經(jīng)捕獲了關鍵信息，如果需要，可以在未來參考它。盡管如此，如果我讀論文作為文獻綜述的一部分，或者如果我想鞏固我的知識，我有時會做第三步。

閱讀只為心靈提供知識材料；是思考使我們讀到的東西成為我們的。
-約翰·洛克

在第三關中，我將論文中常見的概念綜合成自己的注釋。各種論文都有自己的方法來衡量新穎性、多樣性、偶然性等，我把它們合并成一個音符，并比較它們的利弊。在這樣做的時候，我經(jīng)常發(fā)現(xiàn)筆記和知識中的空白，不得不重溫原始論文。

最后，如果我認為它對其他人有用，我會寫出我所學到的并在網(wǎng)上發(fā)布。相對于從頭開始，有我的筆記作為參考讓寫作容易得多。這導致了諸如：

• Pytorch中Graph和NLP擊敗基準推薦器
• 偶然：精確度在推薦人中不受歡迎的最好朋友
• NLP在監(jiān)督學習中的應用

你自己試試

在深入你的下一個項目之前，花一兩天時間瀏覽幾篇相關的論文。我相信從中長期來看，這將為您節(jié)省時間和精力。