看這篇就夠了！

我特别能理解提問者的感受，因為很多同學都可能有以下幾個需求

1、畢業有論文要求，但老闆幫助不大

2、雖然畢業無論文要求，但希望通過發表論文來提升自己的職場競争力

3、希望通過做研究和發表來争取國外的博士機會

在明确了主題後，我們就可以把問題繼續分解為三個子問題：

1.如何選題2.如何研究3.如何投稿

1、如何選題

第一點選擇适合的研究方向是成功的一半，不要單純因為興趣而選定研究方向。因為要做獨立研究，首先要避開所有重器材的方向，比如做深度學習你作為個人是刷不過集團軍的--你沒有那麼多計算資源。

第二點就是選擇适合自己的方向。大部分基礎學科如數學、物理等都需要多年的知識積累以及導師指導，因為導師的輕輕一點就可以省掉了數天甚至數個月的瞎想。

選題的第三點就是要讀幾篇該領域的經典文章，試試水深。換句話說，就是看看自己能不能大概讀懂，知識的空缺有多大，離能夠獨立成文還有多遠。

如果某一領域的文章都有大量的公式推導且你的數學功底有限，那麼就不建議選擇這類方向。讀綜述文章一般也是個很好的思路，這樣可以快速看到領域的邊界，也有助于縮小選題範圍。

當然，興趣依然是一切的源頭，也是能不斷激勵你的後盾。

總結來看，選題是一個平衡過程，是硬件資源 知識背景 個人興趣的綜合後的産物。其中任意一項如果是絕對短闆的話，就很容易影響最後的産出。

綜合要選擇一個自己有興趣，有一定的相關知識，資源要求不高，且寫作水平和領域論文不會相差太遠的方向。

2、如何研究

當我們有了一個适當的選題後，應該先讀該領域的經典教科書或者綜述文章。

我個人的經驗是：一邊讀一邊記下自己天馬行空的點子，先不用想是否成熟，記下來再說。一邊讀一邊看能不能和其他領域結合，比如用集成學習或是graph mining做推薦系統。

一邊讀一邊縮小自己的選題範圍，通過閱讀了解自己更擅長在哪個（章節）主題上發力。

大部分教科書都是分章節介紹内容，而章節在一定程度上前後獨立。因此你可以着重挑自己讀着有趣的内容深入了解。

假設我們現在确定了一個小主題：如何利用「集成學習」來提升「推薦系統」的「魯棒性」。

那麼找到新的方向其實并不難，你需要：找到該領域常用的數據集(benchmark datasets)，找到其他基線算法的實現(baseline algorithm implementation),一般在GitHub上搜索算法名就可以。可以找最近的相關論文的related works:來追蹤領域進展。

找一本集成學習的教科書。第一步就是重現基準算法在常用數據集上的表現，這個将會是進行研究的重要參照物。如果某些基準算法沒有現成的實現，你可以嘗試着動手寫一個--實現算法的過程往往就是找靈感改進的過程。

等以上步驟做完後，你就可以考慮如何用集成學習來改進推薦系統。這個時候就可以參考集成學習教科書，分析不同算法的優劣，找到哪些方法有助于提高魯棒性，再應用到推薦系統上去。跨領域交叉往往比在特定領域創新要容易，這個思路特别适合獨立研究者。

3、如何投稿

首先一般投稿有期刊和會議，期刊一般内容更加完善，但會議一般更加前沿，不同領域在意的不同。

期刊一般是單盲（即審稿人知道你的身份，而你不知道誰是審稿人）。會議可能是單盲、雙盲甚至三盲（比如ICDM)。考慮到獨立研究沒有老闆的背書，那麼盡量避開單盲的投稿，因為你可能會從中吃虧。

第二點就是考慮審稿周期，大部分會議的審稿都在1-3個月内，而大部分期刊的第一輪意見都需要3個月以上才會出現。所以時間敏感的話，建議優先投會議，而非期刊。

另一個常見的操作是會議論文在發表後經過擴展(>30%)的新内容再重投期刊，可以同時兼顧時效性和完整性。

選擇投稿渠道也是對于新手非常不友好的環節，建議多問問周圍的資深人士。

這一切的前提都是你的英文足夠好，這點是一切的前提。最佳情況還是要和别人合作，即使他們和你一樣是新手也沒關系，畢竟是人多力量大，心理上有個依靠。還有一點就是新手獨立發文，在單盲的情況下更容易被拒稿，增加1-2個共同作者有助于減輕這種偏見，原因非常明顯就不贅述了。

論文被拒稿是很常見的事情，作為獨立新手就更無法避免了。

4、總結

理論上隻要你方向選的合适，自身條件尚可，在堅持不懈的實驗、寫作、投稿、被拒、修改、重投後，總能慢慢走上正軌。如果幸運的話說不定還能在你的研究小領域打開一點局面，有一點知名度。

獨立研究最大的成就感來自于「獨立」，在這個過程中，你會不斷的懷疑自己甚至否定自己，這也是為什麼我建議大家能有人一起同行。

但當你有所推進時，比如發出了第一篇不錯的文章，你會非常激動。

因為你完成了自己的博士入門訓練，避開了民科式科研，在艱苦的環境中打開了一片局面，甚至還微微推動了科學發展。這比發表論文本身更有意義，你應該為自己感到自豪。

,