与NLP博士的问答（干货满满）_博导之前没接触过nlp,但新的课题是nlp

1.怎么写论文，怎么转行NLP？
除了要符合一些会议或者期刊的格式要求，一般NLP有一个相对固定的经典结构：

NLP学术会议（甚至包括期刊）论文已经形成比较固定的结构。绝大部分论文由以下六大部分构成：摘要（Abstract）、介绍（Introduction）、相关工作（Related Work）、方法（Method）、实验（Experiment）、结论（Conclusion）。少数论文会根据创新成果形式不同而略有不同，例如提出新数据集的论文，可能会把Method部分调整为Dataset的标注与分析，但不影响论文整体构成。每个部分作用不同：

摘要：用100-200词简介研究任务与挑战、解决思路与方法、实验效果与结论。
介绍：用1页左右篇幅，比摘要更详细地介绍研究任务、已有方法、主要挑战、解决思路、具体方法、实验结果。
相关工作：用0.5-1页左右篇幅介绍研究任务的相关工作，说明本文工作与已有工作的异同。
方法：用2-3页篇幅介绍本文提出的方法模型细节。
实验：用2-3页篇幅介绍验证本文方法有效性的实验设置、数据集合、实验结果、分析讨论等。
结论：简单总结本文主要工作，展望未来研究方向。

除此之外要想写出一篇合格的NLP论文，首先是态度问题，只有态度重视，才有可能不厌其烦地反复修改，才会“不择手段”地寻找各种办法来尽力改进论文（找学长找外教借助Grammarly工具等）。其次是动手问题，只有写下来，才可能不断改，只要改就能不断进步。最后是经验问题，要写得精彩可能需要天赋，而要写得合格，只要坚持写，不断根据评阅人和其他人的意见进行思考和修改，就可以进步。总之，坚持就是胜利。

另外关于如何入门NLP：可以参考下我们baseline课上的学习路径，

关于理论：第一阶段：学习概率论与数理统计、矩阵论、最优化方法、统计学习方法、高等数学；第二阶段：学习机器学习、统计自然语言处理，至少学习一门语言及机器学习或深度学习开发框架；第三阶段：学习深度学习、强化学习，抓住NLP某个领域（文本分类、摘要生成、机器翻译、序列标注、语义关系抽取等）阅读相关论文

关于实战：（1）如果没有Python基础的话，可以先学习下Python基础语法、数据结构，函数以及创建对象（2）可以学习一个深度学习框架，比如TensorFlow或者Pytorch，可以做一些基础的nlp 入门小项目 （3）可以尝试复现论文或者参加NLP相关的比赛，进行实战 （4） 专题训练，根绝自己业务方向或者研究方向，进行输入研究、尝试实现自己的想法

2.面试会侧重项目的实现还是各种算法原理
根据以往经验，一般面试的时候算法原理关注比重相对较高一些。这里不是指“各种算法原理”，而是你简历上体现处理的算法原理，不可能是面试NLP的算法岗位去问CV的相关算法。稍微注意的地方就是，只要是你简历上体现出来的项目或者算法字眼，一定要好好准备，搞清背后的原理，以防万一。
3.我们都知道NLP后面在强化学习和知识图谱等领域都会有所涉及，在NLP这一行在后期，是选择专门的领域去研究，还是研究这些领域共同的方法后再去研究
建议是后者这种方式，因为NLP知识体系非常庞大，我们不可能顾及所有的领域，如果每个