前段时间偶然跟同学聊起最近的工作,他说准备做一个链路预测的模型,我说我在分析我们数据集的特征,通过这些特征去指导链路预测。然后我就跟他说有这样那样的特征,是多么有意思,说不定就能起到关键性的作用呢!并没有对他说的模型产生多大的重视,或许主要还是觉得不甚理解吧。
第二天正好看了几篇文章,发现文章在前半部分都在阐述他们的模型,最后将这个模型应用到了数据集中,效果不错,工作很好。突然一下让我对模型有了一些理解。或许它,就是更高层次的抽象吧。
一直以来,觉得抽象的能力是衡量一个人科研能力的重要指标,抽象表示的通用性和普适性。翻翻Nature Science PRL 等期刊的文章,不难发现大多数都是提出一个模型,而不是说单纯的对某类数据进行一些研究。
或许就现阶段学校的毕业要求来看,硕士的要求应该是能有效的运用特征去指导学习,而博士则需要进行高层次的抽象,提出有用的模型吧。
就学习的时间上来看,在短暂的硕士生涯中,可能没有太多的时间去学习和掌握提出模型所需要的庞大知识量,这也导致了这一区别的产生。
又或者,有限的视野和起点,让硕士生会更难意识到模型与特征的区别在哪里。
恩,作为一个即将毕业的硕士生, 哀叹一下没有时间再去好好科研做出一个好模型来!
只能偷偷的窥视一下它.. 呵呵
https://blog.sciencenet.cn/blog-599483-517699.html
上一篇:
VLDB2010