當(dāng)你初入江湖，迷茫不知道該干什么的時(shí)候，不妨去模仿前人是如何進(jìn)行科研的，并從中歸納出最適合自己的道路。為此，我們推出“學(xué)術(shù)人生”專欄，介紹科研的方法與經(jīng)驗(yàn)，為你的科研學(xué)習(xí)提供幫助，敬請(qǐng)關(guān)注。

最近在跟同學(xué)的郵件、或者知乎留言中的交流中，不少同學(xué)尤其是剛?cè)耄╦in）門（keng）的同學(xué)，提到了深度學(xué)習(xí)背景下做NLP科研的很多迷茫?；究梢詺w納為如下幾點(diǎn)：如今一個(gè)模型，幾十行TensorFlow或者PyTorch就可以解決掉，大家不厭其煩地刷數(shù)據(jù)集的benchmark，但是因?yàn)槿缃駥?shí)現(xiàn)模型的門檻低一些，SOTA很難再刷的上去；就算好不容易刷上去了，因?yàn)槟Ｐ颓宦蔁o非修修補(bǔ)補(bǔ)，文章投出去了因?yàn)閚ovelty 受限，文章中不中看天；即便是文章中了，似乎并無太大新意，灌水中已然迷茫。

深度算法的風(fēng)靡會(huì)讓研究者過度關(guān)心這些算法本身，而層出不窮模型結(jié)構(gòu)的調(diào)整和改進(jìn)又讓我們眼花撩亂。當(dāng)侃侃而談深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)變成一個(gè)很cool的事情的時(shí)候，人們的虛榮心會(huì)使得不約而同地忽略了幾個(gè)重要點(diǎn)?；谖易约憾嗄陙碓?jīng)走過的彎路，踩過的坑，這篇文章做一點(diǎn)點(diǎn)小的總結(jié)。希望會(huì)對(duì)剛剛進(jìn)入NLP領(lǐng)域的同學(xué)有所幫助。

1、了解NLP的最基本知識(shí)：Jurafsky和Martin的Speech and Language Processing是領(lǐng)域內(nèi)的經(jīng)典教材，里面包含了NLP的基礎(chǔ)知識(shí)、語言學(xué)掃盲知識(shí)、基本任務(wù)以及解決思路。閱讀此書會(huì)接觸到很多NLP的最基本任務(wù)和知識(shí)，比如tagging, 各種parsing，coreference, semantic role labeling等等等等。這對(duì)于全局地了解NLP領(lǐng)域有著極其重要的意義。書里面的知識(shí)并不需要爛熟于心，但是刷上一兩遍，起碼對(duì)于NLP任務(wù)有基本認(rèn)識(shí)，下次遇到了知道去哪里找還是非常有意義的。另外 Chris Manning 的 introduction to information retrieval 也是一本可以掃一下盲的書，當(dāng)然我認(rèn)為依然不需要記住所有細(xì)節(jié)，但輪廓需要了解。IR里面的很多基本算法跟NLP有不少的重合。說說我自己曾經(jīng)走過的彎路。Stanford NLP的qualification考試的一部分就是選一些jurafsky 和 manning書里面的一些chapter來讀，然后老師來問相關(guān)問題。開始我一直對(duì)里面的東西懶得看，所以qualification考試一拖再拖。但博士最后一年沒辦法拖的時(shí)候，才發(fā)現(xiàn)如果早知道這些東西，博士早年可以少走很多彎路。

為什么了解NLP基礎(chǔ)知識(shí)的重要，我給大家舉幾個(gè)例子。
最近跟同學(xué)一起做語言模型 language modeling相關(guān)的事情，很多同學(xué)用LSTM或者transformers做language model隨手就能實(shí)現(xiàn)，但是實(shí)現(xiàn)一個(gè) bigram 或者 trigram的language model（LM）卻因?yàn)槔锩娴腛OV的平滑問題卡了大半天（熟悉的同學(xué)可能知道，需要拉普拉斯平滑或者更sophisticated的Kneser-Ney平滑）。為什么bigram 或者 trigram的LM很重要呢？去做一個(gè)語言模型的問題，實(shí)現(xiàn)深度模型之前，第一步其實(shí)就要去寫一個(gè) bigram 或者 trigram的LM。為什么呢？ 因?yàn)檫@些N-gram模型實(shí)現(xiàn)簡(jiǎn)單，并且robust。通過這樣簡(jiǎn)單的實(shí)現(xiàn)，可以告訴你這個(gè)數(shù)據(jù)集的LM模型的下限。這樣我們心里會(huì)有數(shù)，神經(jīng)網(wǎng)絡(luò)模型至少不應(yīng)該比這個(gè)模型差的。神經(jīng)網(wǎng)絡(luò)模型因?yàn)槠涑瑓?shù)、梯度爆炸等問題，有時(shí)候我們不太容易決定是真的模型不行、參數(shù)沒調(diào)好還是代碼有bug。那么通過N-gram LM的給出的下限，我們就可以直觀地知道神經(jīng)網(wǎng)絡(luò)是有bug還是沒調(diào)好參數(shù)。

第二個(gè)例子就是涉及發(fā)文章了，不知道有沒有同學(xué)想過，BERT里面訓(xùn)練LM的隨機(jī)替換為什么就使結(jié)果變好，隨機(jī)替換是什么鬼，怎么結(jié)果就好了。其實(shí)在BERT之前，斯坦福的吳恩達(dá)組的Ziang Xie的 Data Noising as Smoothing in Neural Network Language Models ICLR2017（https://arxiv.org/pdf/1703.02573.pdf） 就首次提出了此方法，而且給出了理論解釋。這種random替換其實(shí)本質(zhì)上屬于language modeling里面基于interpolation的平滑方式， 而基于interpolation的LM平滑，就躺在jurafsky那本書的第3.4.3節(jié)。

2.?了解早年經(jīng)典的NLP模型以及論文：相比簡(jiǎn)單粗暴的神經(jīng)網(wǎng)絡(luò)模型，早年的NLP算法確實(shí)比較繁瑣復(fù)雜，但里面確實(shí)有很多早年學(xué)者在硬件條件艱苦情況下的智慧結(jié)晶。熟悉了這些模型，可以在現(xiàn)在神經(jīng)網(wǎng)絡(luò)里面融會(huì)貫通。去年在人民大學(xué)做seminar。Seminar有大概30-40位同學(xué)參加。Seminar中，我問了一個(gè)問題，有誰知道機(jī)器翻譯中的IBM模型大概是干嘛的，舉手的同學(xué)大概有五分之一。我再問，誰能來手寫（或者大概手寫）一下IBM model1，一個(gè)人都沒有。僅僅從基于IBM模型的Hierarchical Phrase-based MT, 近幾年就有很多篇引用量很高的文章是基于里面的思想的。例子數(shù)不勝數(shù)：?
1) chris dyer 組的https://arxiv.org/abs/1601.01085(NAACL16) 提出用雙向attention做neural機(jī)器翻譯的約束項(xiàng)，意思是如果在英語翻譯法語生成的target中的一個(gè)法語詞attend到了一個(gè)source中的英語詞，那么反過來，法語翻譯英文 target中相同這個(gè)英語詞應(yīng)該也attend到source中的這個(gè)英語詞。其實(shí)這個(gè)思想就是完完全全相似 Percy Liang 曾經(jīng)的成名作之一，早在NAACL06年 Alignment by Agreement，大家通過題目的意思就可以猜到文章的內(nèi)容，正向翻譯與反向翻譯中的 對(duì)齊(alignment) 要 一致(agree)。如今做neural MT的同學(xué)，有多少同學(xué)讀過Percy的這篇大作呢 （大家知道Percy最多的應(yīng)該是Squad吧）。

2) 處理對(duì)話系統(tǒng)的無聊回復(fù)，用反向概率p(source|target)做reranking現(xiàn)在應(yīng)該已經(jīng)是標(biāo)配。再比如Rico Sennrich的成名作之一將Monolingual data 跟seq2seq 模型結(jié)合。其實(shí)這連個(gè)思想在phrase-base MT 里面早就被廣發(fā)的使用。Neural之前的MT，需要對(duì)一個(gè)大的N-best list用MERT做 reranking， 反向概率 p(source|target) 以及語言模型概率 p(target)是reranking中feature的標(biāo)配。

3) Harvard NLP組, Sam Wiseman 和Alex 發(fā)表的EMNLP16 best paper runner-up, Sequence-to-Sequence Learning as Beam-Search Optimization, 基本上傳承了Daume′ III and Daniel Marcu 2005年的 LaSO模型，將其思想adapt到neural里面。

如果再準(zhǔn)本溯源，誕生于neural MT的attention，不就是IBM模型的神經(jīng)網(wǎng)絡(luò)版本嘛。

3.?了解機(jī)器學(xué)習(xí)的基本模型：神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)單暴力并且有效。但是從科研的角度講，熟悉基本的機(jī)器學(xué)習(xí)算法是必修課。比如吳恩達(dá)的 machine learning就是必要之選。記得前段時(shí)間我面試一個(gè)小伙子，一看就是很聰明的同學(xué)，而且很短的時(shí)間就有一篇NAACL在投。我就問小伙子，EM算法是什么，小伙子說沒有聽說過EM，而且自己的科研也用不到EM。我認(rèn)為這其實(shí)是一個(gè)挺大的誤區(qū)。當(dāng)我想起我自己，曾經(jīng)就吃過很多類似的虧。因?yàn)樵缙跀?shù)學(xué)基礎(chǔ)偏弱，也沒有決心惡補(bǔ)一下數(shù)學(xué)，所以早年每次看到跟variational inference相關(guān)的算法就頭大，這種偏科持續(xù)了很久，限制了科研的廣度。相比粗暴的神經(jīng)網(wǎng)絡(luò)，CRF等模型的inference確實(shí)相對(duì)復(fù)雜（當(dāng)年我自己也看了很多次才徹底搞明白）。但搞懂這些，是一個(gè)NLP researcher的基本素養(yǎng)。Pattern Recognition and Machine Learning那本書，尤其是某些小節(jié)確實(shí)比較難（又暴露了數(shù)學(xué)基礎(chǔ)差的事實(shí)），即便是只是為了過一遍，也需要很強(qiáng)的耐力才能看完，更不用說完全看懂了。我自己也曾經(jīng)半途而廢很多次，如今依然有很多章節(jié)是不太懂的。但是其中的很多基礎(chǔ)chapter，我認(rèn)為還是很值得一讀的。其實(shí)可以組成那種兩三個(gè)人的學(xué)習(xí)小組，不需要有太雄偉的目標(biāo)，用個(gè)一年哪怕兩年的時(shí)間，把幾個(gè)重要的chapter 過一遍。

NLP相對(duì)是應(yīng)用科學(xué)，并不是特別的數(shù)學(xué)。但是我們天天用的算法的基本數(shù)學(xué)邏輯我認(rèn)為還是需要搞懂，比如dropout, 比如天天用到的優(yōu)化(SGD, momentum, adaboost, adagrad)，比如各種 batch, layer normalization。這樣其實(shí)可以省去很多浪費(fèi)的時(shí)間，磨刀不誤砍柴工。這些年來，在幫同學(xué)調(diào)bug的過程中，我至少遇見過3-5個(gè)同學(xué) training 的時(shí)候開dropout, test 的時(shí)候沒有對(duì)每個(gè)cell用 (1-dropout)去 scale （大家不要笑，這是真的）。然后畫出dropout曲線就是 dropout 值越大，結(jié)果越差。在討論的時(shí)候，同學(xué)一臉茫然并且不清楚test時(shí)候需要scale。其實(shí)本質(zhì)就是并不了解dropout背后的數(shù)學(xué)原理。

4. 多看NLP其他子領(lǐng)域的論文：NLP有很多子領(lǐng)域，MT，信息抽取，parsing，tagging，情感分析，MRC等等。多多熟悉其他子領(lǐng)域的進(jìn)展是必要的。其實(shí)不同子領(lǐng)域所運(yùn)用的模型不會(huì)相差太大。但是最開始看不熟悉領(lǐng)域的問題可能會(huì)有一點(diǎn)難，原因是對(duì)問題的formalization不是很了解。這可能就需要多花一些時(shí)間，多找懂的同學(xué)去問。其實(shí)了解不同問題的formalization也是對(duì)領(lǐng)域知識(shí)最好的擴(kuò)充。

4. 了解 CV和data mining領(lǐng)域的基本重大進(jìn)展：當(dāng)熟悉了上面所說的點(diǎn)之后（當(dāng)然可能至少也需要一年的時(shí)間）。熟悉CV領(lǐng)域的基本任務(wù)、基本算法我認(rèn)為對(duì)于打開科研視野很重要。但是不可否認(rèn)，因?yàn)轭I(lǐng)域不用，寫作風(fēng)格、術(shù)語表達(dá)相差很大，又因?yàn)槿狈Ρ尘爸R(shí)（文章中會(huì)省略一些基礎(chǔ)知識(shí)，默認(rèn)大家都懂。但是跨領(lǐng)域的人可能不懂），第一次想讀懂跨領(lǐng)域的文章其實(shí)并不容易。我就出現(xiàn)過竟然在討論班上直接把faster-RCNN講錯(cuò)了的情況，以為自己看懂了，然后就講錯(cuò)了（至今昱先天天還在因?yàn)檫@個(gè)事情調(diào)侃我）。不過重要的是，NLP領(lǐng)域里面一些重要的文章其實(shí)或多或少借鑒了CV里面的思想，當(dāng)然也同樣出現(xiàn)CV借鑒NLP的情況。NLP神經(jīng)網(wǎng)絡(luò)可視化、可解釋性的研究，時(shí)間上還是落后于CV里面對(duì)CNN的可視化。所以很多工作大量借鑒了CV里面的類似工作。NLP運(yùn)用GAN其實(shí)也是借鑒CV的。其實(shí)兩個(gè)領(lǐng)域很多是很相通的。比如，如果不考慮question query, vision里面detection中的 region proposal（在一個(gè)大的圖片背景下找一個(gè)特定區(qū)域）, 大家想是不是跟MRC里面的 span extraction （在一大堆文字里面找一個(gè)span）有異曲同工之妙。更不用說image caption generation與sequence-to-sequence模型了，本質(zhì)上幾乎沒什么太大的區(qū)別。強(qiáng)化學(xué)習(xí)在生成領(lǐng)域generation，發(fā)完了MT(Ranzato et al., ICLR2016)再發(fā) image caption generation, 再回到summarization. Actor-critic 模型也是類似的，還是很多做generation diversity的文章。因?yàn)榭珙I(lǐng)域不好懂，所以第一次推薦看tutorial, 如果有 sudo code 的tutorial那就更好了。另外看看掃盲課的視頻，比如Stanford CS231n也是個(gè)好辦法。另外，一個(gè)NLP組里面有一個(gè)很懂CV的人也很重要（拜謝昱先）， and vise versa。?
graph embedding近兩年崛起于data mining領(lǐng)域。目測(cè)會(huì)在（或者已經(jīng)在）NLP的不少任務(wù)得到廣泛應(yīng)用。想到幾年前，deep walk借鑒了word2vec, 開始在data mining領(lǐng)域發(fā)跡，然后似乎又要輪轉(zhuǎn)回NLP了。
當(dāng)然啦如何寫論文也是極其重要的一環(huán)，但不是這篇文章的主題，強(qiáng)烈推薦清華大學(xué)劉知遠(yuǎn)老師的相關(guān)文章：https://zhuanlan.zhihu.com/p/58752815

先寫到這兒，歡迎大家補(bǔ)充拍磚。

來源：知乎-李紀(jì)為