这是我在互联网冲浪搜索的时候，偶然刷到的一篇文章。
这份由加州大学河滨分校Eamonn Keogh教授撰写的讲稿，系统性地分享了在顶级数据挖掘会议SIGKDD上发表高水平研究论文的实践经验、策略与常见陷阱。它不仅适用于发表计算机相关的高水平会议论文，其核心思想对更广泛的科研领域都具有一定的的指导价值。
对于经常被导师放置培养的科研小白来说，是很好的入门SCI论文发表学习课程。有时候老师散养不给任何指导，就需要自己去寻找解决问题的方法和答案。
千万不要坐以待毙！
建议配合PDF进行学习。
讲稿内容可划分为三大核心模块：科研的起点与过程、论文写作的艺术以及评审与发表的策略。
原文地址如下：https://github.com/jellis505/TalksIGoTo/tree/master/How_to_publish_KDD
PDF下载地址：https://tjzhifei.github.io/links/How%20to%20do%20good%20research,%20get%20it%20published%20in%20SIGKDD%20and%20get%20it%20cited.pdf
第一部分：理解与研究过程
这部分聚焦于研究开始前的构思、问题定义、数据获取及解决方案的探索。
1. 直面现实：论文评审过程的不完美性
首先，在脑海中打破“评审完全公正客观”的幻想。
作者Eamonn Keogh通过真实会议（隐去年份）的评审统计数据揭示了一个“脆弱”的系统：
评审结果的随机性：一个著名的“自然实验”表明，同一篇论文在修改标题后重投，因被分给不同的评审人，得到了从“拒绝”到“接受”截然相反的命运。
边界论文的命运：在接收与拒绝的边界线上，大量分数相近的论文命运迥异。数据显示，有多达38篇被拒稿的论文，其得分不低于某些被接收的论文。
“脆弱”的临界点：模拟实验显示，若为每篇论文增加一个“合理”的评分，平均会有14.1篇论文的接收结果发生改变。
积极启示：正因系统不完美，微小的改进就能显著提高成功率。如果你的论文处于接收边缘（得分在3.67左右），只要说服一位评审人将评分提高一分，就可能从“几乎肯定被拒”变为“几乎肯定被接收”。这鼓励研究者将精力集中在提升论文质量上，而非抱怨系统。
2. 理想化的论文写作流程
Keogh建议一个与常规认知不同的、研究与实践并行的流程：
- 寻找问题/数据。
- 立即开始写作（在研究进行中和开始前就动笔）。
- 进行研究/解决问题。
- 完成约95%的草稿。
- 发送给“模拟评审人”（同行）预览。
- （如果可能）发送给“竞争对手”作者预览。
- 根据反馈和检查清单修订。
- 提交。
3. 如何找到一个好的科学研究问题
好问题应具备以下特征：
- 重要性（能赚钱、拯救生命、推动科学等）、
- 可获得真实数据、
- 允许增量进展（非全有或全无的高风险问题）、
- 有清晰的成功度量标准。
问题来源：
广泛阅读：想要发表高水平会议论文，先阅读SIGKDD及其它领域的论文。
与领域专家合作：这是金矿。他们能提供强烈的论文动机、可能有资金支持、其署名能增加你工作的可信度。但关键不是问他们“想要什么”，而是理解他们的“潜在需求”（像福特发明汽车而非更快马车）。专家通常不知道对计算机科学家而言什么是难/易的。
问题扩展的经典思路：如果你认为某个想法X很好，可以尝试从以下角度扩展：
提高准确性（统计显著性）、大幅提高速度（量级提升）、改为任意时间算法、改为在线/流式算法、适用于新的数据类型、适用于低功耗设备、解释其为何有效、适用于分布式系统、应用于新颖场景、移除参数/假设、改为磁盘感知型、使其更简单。
Keogh指出，这些看似“增量式”的工作，对于职业生涯早期的研究者积累“缓冲”论文是合理且重要的，有时看似简单的扩展会引出激动人心的发现。
4. 如何“框定”科学研究问题
清晰、可证伪的陈述：能用一句话概括你的研究陈述：“X 对 Y 是好的（在 Z 的背景下）”。如果评审人在读完摘要后仍无法形成这样的句子，论文通常就失败了。定义必须清晰、无歧义。
可证伪性：这是科学与非科学的界标。你的主张必须是能被观察或实验证明为“假”的。例如：“X函数为DTW距离提供了下界”是可证伪的；而“我们增强了可视化效果”是模糊且不可证伪的，除非给出具体度量（如“将平均查找时间缩短了十倍”）。
5. 数据：科学研究的基石
真实数据至关重要：应尽早获取。合成数据存在根本缺陷：作者可能（有意或无意地）生成了多个版本的数据集，只报告了表现最好的那个，这导致结果不可信。即使是修改过的真实数据，也沦为合成数据。
避免矛盾：如果声称问题极其重要，却没有任何真实数据，这会引发评审人的质疑。
真实数据的好处：
提供强大动机：展示飞机机翼方向不齐的图片，比画一个随意旋转的苹果，更能有力说明为何需要旋转不变算法。
吸引关注，提升引用：一个关于鱼类计数/分类的真实有趣数据集，比经典的MPEG-7形状数据集更能引起社区兴趣。Keogh以自己耗时两天制作的视频数据集为例，该数据被用于数十篇论文，衍生数据集被引用超过百次，证明了前期投入的长期回报。
数据规模：取决于领域。对于样本稀有的领域（如尼安德特人骨骼），小数据集可接受；对于网页、生物特征等，则有义务使用大规模数据。在当今数据免费、算力廉价的时代，已很难为在小数据集上测试数据挖掘论文找到借口。
数据来源：合作者、UCI/UCR等数据挖掘档案馆、NASA等综合档案馆，或自己创造。
6. 解决问题：简单至上
警惕不合理的复杂性：复杂的解决方案泛化能力差、容易过拟合、难以解释和复现、被引用的可能性低。一篇论文整合了案例推理、模糊决策树和遗传算法的例子被用作反面教材。
简单是力量：你的论文隐含地声称“这是获得如此好结果的最简单方法”。要明确主张并证明这一点。大量研究表明，简单方法通常表现优异。如果你的想法简单，不要试图用不必要的包装来隐藏它，而要“推销”其简洁性。
实用策略：
问题松弛：如果原问题太难，先解决一个更容易的版本（放松一些约束），发表有价值的成果，从中获得的见解可能有助于解决原问题。以岩画挖掘为例，先处理已分割的、方向固定的图像。
向其他领域寻找解决方案：广泛阅读，从生物学、数据压缩、信息检索等领域汲取灵感。Keogh的团队曾从蜜蜂觅食策略中获得启发，解决了任意时间分类问题。
质疑“已知事实”：文献中的许多说法可能并非绝对真理，或只在特定条件下成立。例如，“欧氏距离是脆弱的距离度量”这一说法在大数据集上缺乏证据；一篇最佳论文中关于切比雪夫近似优越性的结论，后来被作者承认因代码错误所致。不要因为别人声称“X是最好”或“Y问题已解决”就停止思考，这可能是研究机会。
确保你解决的问题确实存在：讲稿用大量篇幅举例说明，有数十篇论文致力于解决“比较不同长度时间序列”的问题，并提出了复杂方法。然而，实证研究表明，简单地用一行Matlab代码将序列重采样为相同长度，与那些复杂方法在分类准确率上没有统计学显著差异。这意味着许多研究者在一个并不真实存在的问题上浪费了精力。
第二部分：论文写作的艺术与技巧
这部分是讲稿的核心，详细阐述了如何写出对评审人友好、有说服力且严谨的论文。
1. 核心原则：Keogh准则
“如果你能通过多花一小时的时间，为评审人节省一分钟的时间，那么你就有义务这样做。”
这一准则源于一个简单的责任计算：作者投一篇稿，潜在收益巨大（ tenure，工作）；评审人审多篇稿，几乎没有报酬。
因此，作者有责任尽一切努力让评审任务变得尽可能轻松。这意味着清晰的组织、自我解释的图表、精炼的文字。
2. 可复现性：科学的基石
重要性：可复现不仅是科学方法的要求，更能极大增加论文被接收的机会。它能在评审人中建立对你工作正确性的信心，并增加引用。
两种不可复现类型：
显式的：不提供数据、代码或参数设置。
隐式的：工作过于复杂，或需要昂贵软硬件，致使他人难以复现。
如何确保可复现：
在论文中明确说明所有参数和设置。
建立包含注释数据和代码的网页，并在论文中提供链接（双盲评审时可使用匿名托管服务）。
让他人（非作者）测试复现过程。
反驳常见借口：
隐私：尽可能提供可发布的替代数据集。
耗时：从长远看，可复现性能节省时间（如响应期刊扩展邀请时）。
被竞争对手利用：这正是科学进步的方式，资助机构和 tenure 委员会乐于见到你的工作被广泛使用。
无人做，无回报：这恰恰是你脱颖而出的机会。
3. 评审心理学：锚定效应与第一印象
锚定效应：评审人倾向于在早期形成对论文的判断（锚点），随后寻找证据来支持这个判断，调整通常不足。
第一页就是锚点：标题、摘要和引言构成了这个锚点。如果它们出色，评审人会带着“这是篇好论文”的预设阅读全文，寻找确认的证据；如果糟糕，评审人则会快速浏览以确认“这是垃圾”。
引言的使命：在引言结束时，评审人必须清楚知道：问题是什么？为何有趣且重要？为何困难？为何先前方案不行？你的方法关键组成部分和结果是什么？文末应用一个“贡献总结”小节，以要点形式列出。
4. 写作的具体建议
使用所有可用空间：最好的9页论文，是先写一篇12-13页的好论文，然后精心删减而成。留有大量空白会招致批评（“本可以做更多实验……”）。
善用色彩：在文本和图表中使用颜色建立联系、强调重点，但需确保黑白打印时仍可理解（例如辅以线型、标记形状）。
避免弱化语言：
用具体引用或数据代替“可能”、“似乎”。（“X被证明是无效的[7]” 替代 “X可能是无效的”）
用主动语态替代被动语态。（“我们收集了数据” 替代 “数据被收集”）
删除“在这篇论文中”、“理论上”、“实际上”等冗余词汇。
明确指代，避免模糊的“它”、“这个”。
避免浮夸与低估：不要夸大主张（“我们证明了”应为“我们展示了证据”）；也要避免使用“试图”、“旨在”等弱化实际成果的词。
参数与选择：对于每个参数，都必须通过逻辑或实验展示如何设置其值，或证明其值影响不大。对于看似任意的选择（如“随机选取了100个用户”），必须解释或证明其合理性。
5. 激励与相关工作
主动化解潜在批评：预评审人可能想到的替代解决方案，并明确解释为何它们不行。最好能实现这些方案并进行比较。
引用以增强论证：不要只列出一串参考文献（“洗衣单式引用”），这显得懒惰且缺乏主见。应阅读并消化文献，在论证中具体引用他人观点来支持你的论点（例如，“正如[20]所指出的‘旋转总是难以处理…’”），这比简单提及更有力。
强调原创性：进行彻底的文献检索，向模拟评审人解释你的工作有何不同，避免无意识的重复或抄袭。
6. 实验评估的常见逻辑错误
不公平的参数调优对比：用自己调优了多个参数的最佳结果，去对比基线方法固定或无参数的结果，这是不公平的。这好比让全中国的人赛跑选出最佳选手，与印度派出的固定一名选手比赛。
忽略方差：仅报告单次实验的结果是危险的。应进行多次（如10次）实验，报告均值、方差或置信区间，以证明结果的稳健性。
公平对待“稻草人”/竞争对手：比较基线时，应确保以最佳或标准方式使用它们。讲稿举例，有论文通过不规范化数据，使得欧氏距离表现不佳，以凸显其复杂方法的优势，而规范化后欧氏距离表现同样好。这是一种不诚实的比较。
切勿抄袭：无论是文本还是图表，抄袭一旦被发现，后果严重，可能导致论文撤稿和学术声誉受损。
7. 制作优秀的图表
图表是给评审人留下第一印象的关键，值得投入大量精力。
图标绘制原则：
- 明确目的：先想清楚你想用图表说明什么观点。
- 色彩辅助：善用但不过度依赖。
- 直接标注：在图表元素旁直接加标签，避免让读者频繁在图例和图形间切换。
- 链接：使用相同颜色/样式在不同视图间建立联系，提高可解读性。
- 有意义的图注：图注应自成一体，解释图表显示了什么以及为何重要。
- 极简主义：删除所有不必要的元素（无关的网格线、坐标数字、装饰）。
- 展现数据：不要让标签覆盖数据点。
- 反面案例：讲稿展示了许多低效图表，如占据大量空间却只传达极少信息、布局混乱、难以解读的图表。
- 正面案例：通过重新设计，用更少的空间、更清晰的视觉编码（如颜色、连线、直接标签）传达更丰富、更易理解的信息。一个好的图表应能在几秒钟内向读者传递核心信息。
第三部分：论文被拒的十大主因及解决方案
最后列出了SIGKDD论文被拒绝的十大常见原因及应对策略，是对前述内容的精炼总结：
- 问题不重要或动机不足：解决方案：与领域专家合作，寻找有影响力的应用场景；使用能引起共鸣的真实数据。
- 问题不清晰或不可证伪：解决方案：用一句话概括研究陈述；确保主张是可检验的。
- 使用合成/玩具数据：解决方案：不惜代价获取真实、有趣的数据集。
- 解决方案过于复杂或不合理：解决方案：追求简洁；证明每个组件和参数都是必要的；与简单基线比较。
- 实验不充分或有缺陷：解决方案：进行全面的实验，包含多个数据集；报告统计显著性；公平比较竞争对手。
- 写作不清晰、混乱：解决方案：遵循“Keogh准则”；精心设计引言和图表；让同行进行模拟评审。
- 相关工作阐述不足或存在错误：解决方案：进行彻底文献调研；批判性阅读，避免“洗衣单式引用”；清晰界定你的贡献。
- 缺乏可复现性：解决方案：提供数据、代码和完整的参数设置。
- 论文看起来完成度低：解决方案：填满所有可用页面；检查格式、语法和拼写；精心排版图表。
- 只是运气不好：解决方案：接受评审过程的随机性；专注于将你的论文尽可能推向接收区间的最左端（提高质量）；根据评审意见认真修改，然后重新投稿。
还是非常值得学习的~
