正文
吴双志：
经验的话谈不上，就是一个按部就班的过程吧。首先我本身就是以做神经网络机器翻译课题为主的，所以需要对现有模型的优点缺点有较为深刻的掌握和理解。平时就会看很多相关的工作，找找灵感。这次的投稿的内容也是去尝试解决翻译中的一个经典问题。至于方法，是在一次偶然的机会中跟同事讨论时定下来的，当时也是抱着尝试的心态。当模型雏形做出来以后发现效果挺好的，从而继续深入的做下去。后来刚好在 ACL 投稿之前就都差不多完成了，就投了 ACL。所以我觉得就是一个按部就班的过程吧。
何世柱：
博士期间我一直在做知识库问答相关的工作，了解到知识库问答目前研究中的一个重要瓶颈就是问答 - 答案标注数据的匮乏。正好课题组内有师兄在研究社区问答，而社区问答中有大量的用户标注的问答 - 答案数据，虽然这些数据有噪音有错误，但还是非常有价值的资源。因此，那时候就想是不是可以利用社区问答的数据帮助知识库答案。早期的想法还是比较朴素，没有想到比较好的模型来做这样的任务。16 年上半年，看到了华为诺亚方舟实验室的几个相关工作，并与相关作者进行了深入的沟通和交流。受此启发，针对我们的问题设计了文章的模型。
在选题的时候，与组内老师进行了讨论，他们认为课题是有意义的，但是难点就在于如何评价。目前还是没有很好的评价方法，只能采取边工作边摸索的方式推进工作。任务是什么，解决的问题是什么，模型是如何解决这些问题的，这些思路确定之后，论文的撰写就比较流畅了。
另外，写作过程中，老师和同学，特别是非该研究方向的同学，帮助检查也是非常重要的。个人认为研究中仔细思考讨论 “要解决什么问题” 和 “如何解决这个问题” 至关重要。
罗炳峰：
这篇论文的选题是相对比较自然的一次。我在做关系抽取的相关实验的过程中，发现数据集的噪声很大程度上影响最终关系抽取器的效果。而通过查阅以往文献，发现以往的工作对这一问题处理的比较粗糙。于是我就通过查询其他领域的噪声处理相关文献寻找灵感，并结合关系抽取的具体情况设计出了现在的算法，并做了相应的实验。由于写代码和做实验还算顺利，所以初步完成这个工作并没有花太多时间。不过由于这个工作的头绪比较多，所以花了比较大的功夫写稿，从开始写到初步定稿就花了一个多月的时间。功夫不负有心人，最后审稿人给的分数也比较高，所以从投稿到收录都比较顺利。
经验方面，首先我觉得选题是论文的基础，选择的研究方向最好要么可以解决一类问题，要么可以觉得可以显著提升一个重要的任务。方法设计方面，可以从问题本身出发，分析出问题的本质是什么，难点是什么。明确了问题之后，就可以结合大量的文献调研来寻找灵感，同时也确保自己的方法的新颖性。
最后写稿的时候，一定要认真对待，因为工作做得再好，写的让别人看不明白，或者论证不充分都是白搭。最好在截稿日前一个月就开始写，然后通过迭代来逐步完善。在迭代的过程中，一定要找有经验的人（比如导师和高年级学长学姐）提一些意见，争取把审稿人可能会觉得有问题的地方都在文章中说清楚。比如我这次写稿就被指出了 intuition 写的不够，文章脉络要重新组织，缺某一块的实验，实验论证的太浅等一系列问题。要发现这些问题需要有充足的投稿经验，而我们学生在这一点上往往是欠缺的，所以多找有经验的人提一些意见可以大大提高最终论文被录取的概率。
