在确定了研究领域之后，我们需要对研究方向进行更细致的分析。一般需要经过：概念理解，论文阅读，方法梳理，发现问题（做好问题定义是很关键的），数据搜集，实验验证，论文撰写。但是每一个流程都需要充分利用已有的资源，提高自己的研究效率。

概念理解

• 当你还不了解这个领域时，你需要先了解这个领域的基本概念。一般而言研究方向只要不过于冷门，一般在 知乎 或者 公众号 上都能找到一些牛人的分析和回答。
• 这些回答之中不仅可以了解到基本概念，还能发现一些较好的论文，了解该领域的研究现状和方向。以一两篇较新的优质论文（如果领域比较模糊，可以先观察综述类的文章）为起点，进行后续的调研工作。
• 在搜索中还需要对该领域的顶会/刊进行了解和总结。主要关注 CCF 的 A 类期刊与会议，如人工智能领域。
• 常见的顶会： KDD 、 WWW 、 AAAI 、 ICLR 顶刊 TKDE
• 在阅读了推荐的论文之后，需要对这些文章中的关键词进行梳理，通过这些关键词进行更多优质论文的搜索。
• 最为重要的是要了解论文的问题定义，这个是大量研究的基础，如果没有一个良好的问题定义，在之后的实验中，你可能会自我怀疑。

查找相关领域的论文

• 一般可以从 DPLP(https://dblp.uni-trier.de/search) 中搜索外文论文，从知网搜索中文学位论文。从 arxiv 中查询或者下载外文论文文献，如果下载速度较慢，可以访问国内版本或者中科大版本，也可以使用脚本自动替换。有的时候可能存在多个版本，此时可以使用 pip install comparxiv 这个 python 库来进行比对。
• 对于综述性质的论文一般包含 Review （述评）、 summary （总结）、 survey （概述） 等字样。
• 在 DPLP 之中寻找时，可以只关注 Conference and Workshop Papers ，如果对找到的论文所属的会议不太清楚，可以通过会伴进行检索，了解其在 CCF 等组织给的评价等级。
• 在这些论文之中进行分析筛选，了解异同，同时掌握主流的公共数据集，基准算法以及评估方式。这些内容需要积累整理起来，用于后续的实验之中。
• 如果觉得对这个问题定义还不熟悉，可以从优质论文引用的论文中了解其问题定义和思路分析，以实用的角度看待问题的价值。
• ACM 系列的论文并不会快速开放获取，但是对应页面存在 Supplemental Material 中包含了作者的论文讲解，可以帮助对论文有一个基本的了解

查找论文的被引用情况

• 当你找到了一篇年份较久，或者方法过时，或者该论文属于经典的综述性质的论文时，你需要对这篇论文的后续发展进行了解，此时就需要查找该论文的被引用情况。
• 常用的网站是 谷歌学术 和 ResearchGate ，以 ResearchGate 为例，通过搜索，可以发现论文信息中包含了 Citations 的信息，这个就是被引用的情况。
• 不同网站由于收录的信息不一样，所以发现的论文被引用的数据有所不同

论文阅读

• 注重质量，兼顾数量，考虑效率
• 研究初期，最好选国内有名的课题组的博士论文进行阅读。其中的研究现状可以便于快速了解该方向的大量进展，同时了解对应的专业表达和关键词（key words）。如果实验室有过一定的论文成果，可以多和相关老师，师兄师姐交流，并且根据论文和代码，来学习基本思路。
• 依据关键词去相关领域寻找较多引用的review或者顶会顶刊上发表的相关论文。将这些论文下载下来，并通过mendeley之类的工具进行文献管理，做好论文分类。
• 阅读的同时做好笔记，笔记包含：论文解决了什么问题，用了什么方法（用一句话概括），程序如何实现，存在的不足，自己的疑惑和改进思路。