【11申请总结】mhd0371的申请总结之本科生如何发论文

申请结果：
下面美国 香港 新加坡的均为CS PhD的全奖，加拿大的均为CS MS全奖
申请方向network,data mining, database

Offer: Waterloo(加)，UMN，石溪，VT，匹兹堡，雪城，UCR，Queen（加），Alberta（加），HKUST（HK），NUS（新）
Rej  : UMass Amherst等
最终 ：Waterloo（加） CS  database组


背景：
本科是西安交大软件学院。
gpa：86.5  8/100
托福：103
gre：1240+3
实习：IBM CDL蓝色之路2个月 本校网安实验室2个月 美国康涅狄格大学research 4个半月
科研：水文若干（rank 3 会议workshop 1作， rank 1会议 poster 二作等）
其他: 软件著作权4项，数学建模美赛一等奖，acm等校内一等奖


关于本科生发表论文

1.本科生有论文重不重要？

对于本科生而言，一直以来的公认说法是GPA是王道，这句话确实不错。但是这句被奉做神明的话对大多数人并不成立，因为第一名就那一个人，对于广大的GPA不是那么高的人怎么办呢？我认为论文是唯一能弥补GPA（个别竞赛的超级大奖除外），甚至能带来比高GPA还给力好处的东西。比如我的gpa实属非常一般，但是在论文的帮助能得以有一个相对不错的申请结果。相信我如果没有论文，申请结果一定是惨不忍睹。我在面试和在各种老师的沟通过程中，几乎所有老师都只是对我的科研经历感兴趣，对我的其他经历基本上都是一句话都不提。

最后引用road大神的一句话“本科生科研中发出了一篇论文绝对比研究生期间发表两篇相同的有竞争力”。


2.本科生发论文难不难？

对于大部分交大本科生来说，可能都会觉得发论文很难，其实原因并不是我们的能力问题，而是大部分本科生对发论文一点概念都没有，甚至对读论文都没有概念。以一个非完全统计的数据来说，清华的本科生参与的论文量一年能达到1000+甚至更多，交大好像只有数十篇。（具体数量不是重点，差距是重点，数据有问题不要拍砖）。这反映的问题是发论文概念的普及和本科生参与科研活动的氛围问题。

如果让一个刚刚接触科研还是业余参与的本科生一下发一篇唯一作者或第一作者的顶级期刊或会议论文当然很难，如果我们换一个情况，让同样一个本科生发一个第N+1作者，录稿率高达80%的超级水会议（当然也是EI索引）的论文也许就不是那么难了，所以我认为本科发论文的核心原则是

“先解决从无到有的问题，再解决由少到多的问题，再解决论文质量由次到优的问题，最后再解决作者顺序有后到前的问题”

很多人觉得发论文难是因为他们把发论文当成是进行科研上的重大创新，觉得是发论文是一个神圣而高不可攀的事情，我对发论文认识的改变可以用一句胡爷的话形容“一夜之间撕下了科研的神秘面纱”。

所以先不要过于自卑，觉得发论文太难，或太自负，觉得自己只能发第一作者的牛文，而是通过各种途径，寻找各种机会，水上或者挂上一篇哪怕很水的论文，先解决从无到有的问题。
第二步，再解决有少到多的问题，如果你已经通过某种方法挂上或水上一篇之后，你就会发现发论文其实可以靠“混”或“水”，你就可以如法炮制的进行第二篇第三篇。其实与此同时你参与的科研项目也逐渐增多，你的科研视野也逐渐拓宽，渐渐达到量变产生质变的效果。
第三步，再解决论文质量由次到优的问题，如果你只有一把水文，会显得你这个人太水，并不是长久之计，这时就该考虑论文质量的问题，本科生发高质量论文比较容易实现的有两个途径，一是寻找挂牛论文的非一二作者，一是发高质量会议的short paper（workshop或poster等 我就是这个）。
第四步，当你经过前三部的洗礼，可能对科研已经有了真正自己的想法，觉得可以自己想idea，自己发出高水平论文，也就不需要我的猥琐建议了。。。



3.本科生如何发论文？

发论文的前提准备：
项目：
校外：可以去的地方有大公司的研究机构（如MSRA IBM CRL等），有中科研的各个著名院所等。
校内：一种途径是参与校内著名实验室每年定期的暑期实习，比如电信学员的网安实验室，比如材料学院的微纳中心等，一种途径是自己联系在科研上比如活跃的老师（比如自己的任课老师），
指导老师：找一个好的指导老师很重要，他的作用=好的科研指导+好的科研推荐信+挂高质量论文的机会+给美国教授内推的机会
合作伙伴：其实有时合作伙伴的作用大于一切，却常常被眼高手低的人们所忽视，举一个简单的例子，如果你有两篇论文的idea，他有两篇论文的idea，你们可以互相帮助对方，那你的论文可能就是4篇而不是2篇了。

我的经验是初期可以有三种发论文途径，一“挂”，二“水”，三“拓展”

1.“挂”：这应该是本科生发论文最常见也是最容易实现的途径。如果这时候你已经在实验室里开始干活，那这个实验室一定会不少即将或准备发论文的各种师兄师姐或者你的导师，你要做的就是参与到其中，做出一部分贡献并挂之。就cs而言，比较容易实现的是，假如有一个人已经有了idea，甚至是理论部分已经完全做完，只剩下编程仿真，你就可以毛遂自荐的完成编程仿真和跑数据的工作，有时候也许一个几百行的程序就能让你的第一篇论文横空出世。对于本科生而言，“挂”更是可以带来发顶级论文的无可替代的机会，比如能有一篇science nature的5作，也是很厉害厉害的吧。当时机会都是靠自己的争取的，机会也都是留给有准备的人。很多时候不是缺少机会，而是缺少发现机会的眼睛和抓住机会的魄力。

2. “水”：俗话说的好“大牛挖坑，小牛灌水”。挖坑对于大部分本科生而言，确实很难很难或者说只能靠“挂”来实现，但是“水”则可以通过自己的主要努力来实现，为自己赢得一作二作的论文。“水”的论文分成两种：
一种是真的就很水，比如国内现在有很多很多号称EI索引的及其水的所谓国际会议，其录稿率有些达到80%以上，基本上只要有一个很普通的所谓新想法或者说只要不是太烂都可以中稿。
一种就是需要大家重点关注的，即顶级会议（有rank的会议）的short paper。我的背景中最突出就是有一个rank 3会议的workshop和一个rank 1会议的poster。据有关权威人士称，此类文对美国cs top10以后的学校都能起到莫大的作用。论文中了以后，如果有资助去开会的机会，更是上天赐予的最佳的当面陶瓷的机会和争取牛推的机会。此种论文比该会议的regular paper的发表难度要小的太多，但因为冠以该会的盛名，也能引起一些教授对本科生的莫大重视。

3.“拓展”：万事开头难，发论文难就难在第一篇如何憋出来，如果有了第一篇，无论是“挂”还是“水”，第二第三第四篇的难度就会由于第一篇的存在而大大降低，科研和学习的巨大区别在于科研重在向深处探索，而非全面铺撒。所以后续的论文不需要开拓一个新领域，新问题，而是可以沿着第一篇的方向继续向深处探索。如果你的第一篇解决了一个问题，那一定是部分解决或在某些限制条件下解决，你可以在第一篇的基础上向深处继续探索，完善第一篇提出的算法，比如效率更高，比如加入了并行，比如考虑了更多的情况等。如果你的第一篇是“挂”出来的，你的第二篇就可以以此自己完成；如果你的第一篇是“水”出来的，你的第二篇就可以以此完善你的模型或方法，发出高质量论文。

ps: 我知道的一些本科生发论文的机会
-baidu 1point3acres
1.数学建模竞赛：2011年数学建模夏令营三次模拟竞赛论文和2011年数学建模冬令营三次模拟竞赛论文将择优发表于国际期刊Computer and Information Science，并由Canadian Center of Science and Education出版。我很推荐大家参加数学建模竞赛，尤其是美赛，对于数学建模竞赛对不同专业的作用褒贬不一不具体阐述，但是数学建模竞赛是对于本科生而言绝对是一个绝佳的接触科研对科研产生一个初始认识的机会。数学建模拿奖的人里面出过很多大牛，他们之所以成为大牛并不止因为一个数模的奖，但数模的奖却毫无疑问是他们成为大牛的开始。

2.对于cs的人而言，交大成立了与美国康涅狄格大学的联合实验室，每年选拔一定的人前往美国进行为期半年或一年的有美国教授指导并能参与到美国教授实际的项目并预计每个人都能有高质量论文发表的机会，我的rank 1的poster就是在美国的时候发的。个人认为如果家里能承担这个费用的话，那这个机会足以改变你的申请命运。高质量论文+美国教授推荐信+近距离陶瓷机会。

3.我校与UMass Lowell达成3+2协议，即将开始遴选学生，在美国的硕士两年足以发到一些高质量的论文 和美国教授的推荐信，而且本硕总时间只有5年，到时候再申请phd，必能有好的申请结果。或者直接在美国就业也未尝不可。

4.上面提到的所有常规途径：各种实验室+各处实习+各种项目机会+各种挂
比如UCLA交换，MSRA实习，中科院院所实习或summer school，联系本校大牛教授直接内部推荐，个别香港新加坡名校的实习机会等

给力啊，,不得不谢楼主的分享！

谢谢LZ! 很有用的建议可惜我只能在研究生阶段来实践了

不得不谢楼主的分享！

说的很好。

在国内的牛校确实可以这样

在国内不牛的学校，没有科研的学校，就好好拼gpa吧。没错的。

牛人!!!!!!!!!!!!!!

赞~在校内看到该文来顶~~确实本科生最迷茫的就是发论文的问题，LZ给各位同学指明了一条光明大道啊！！

回复 3# hungry1526

我一个学长本科没啥论文 到了硕士就发了n篇顶级论文  硕士机会多多  加油！

回复 7# amigo

我说的只适合扫盲  有自己想法之后再看就是误导了啊

很详细，很牛！~