文科生用机器学习做论文，该写些什么？

从“价值、必要、讨论和工具”这四个角度，把一些容易踩的坑提示给你，助你顺利完成研究论文撰写。

Photo by Alejandro Escamilla on Unsplash

挫折

我的一个三年级研究生，最近比较焦虑。

焦虑的原因，是预答辩的效果不理想。

最重要的原因，你肯定能猜到，是他拖延症犯了。不到最后一刻，也不肯交出初稿，说要继续修改（其实是一直没写完）。最后一行字刚落笔，就直接去预答辩了。装备都没配齐全，就冲入了枪林弹雨的战场，后果可想而知。

但是，他的焦虑，目前主要来自于另外一个方面，就是面对批评意见，一时有些懵。

我在文中不止一次描述过这种 “文科生” — — — 没有 IT 技术背景，本科专业属于文科类，硕士毕业论文用技术手段解决应用问题。

他的研究中，就使用了机器学习中的监督式方法，对社交媒体文本是否包含隐私内容，进行了分类训练。在验证集上，准确率和F1分数，都为60%多。

这几年，他在我的鼓励下，不断学习数据科学相关教程。

他看到了自己的进步，信心越来越强。从前认为永远无法企及的机器学习方法，现在会用了；从前面对数据无从下手，想不到解决思路，现在水到渠成。而且因为学习 MOOC，英文和数学能力也有了提升。所以，预答辩之前，他对自己论文的评价预期很高。

他没有想到，自己的论文居然存在这么多的严重问题。一时感到很是沮丧和挫折。

我把老师们给他提出的意见，在这里列出来：

1. 你使用了机器学习的方法，但只是调用了已经标准化的工具（scikit-learn）而已。文中对工具本身和使用方法做了过于细致的描述，却并没有体现出自己的技术改进；
2. 你对机器学习的使用，满足于做出一个分类的结果，就如同做了一个项目作业一样，缺乏深入的讨论；
3. 你的分类效果，只有60%多的准确率，远不及人工水平。这样的结果，是否有价值？
4. 你的流程参考了一篇英文文献对 Twitter 文本的隐私分类。人家已经探索了，在英文文本上自然语言处理可以分类隐私曝露程度。那你这份研究，无非是从英文换成了中文而已，是否还有必要性？

老师们的说法，是委婉而克制的。我翻译了一下，就是说这篇论文 “工具化、缺讨论、无价值、没必要”。

现在，你明白为什么他要焦虑了吧？