主页

前言 本教程适用于某一领域的初步探索，快速了解该领域当前的研究问题、研究方法、研究结论，这些信息也可以辅助论文撰写时文献综述部分的写作。 该方法不适用于做文献的精读，如果想做文献精读可以用这个工具智谱清言，强烈推荐 检索并下载文献的题录 使用web of science 下载文献的题录信息，（一定要包含摘要），存储格式为.ris 然后导入到zotero。这个步骤相信大多数人都会，就不再赘述 使用AI+zotero插件总结文献 原理： 通过zotero插件调用免费的大模型API，对文献的题录信息（标题、摘要、关键词）进行快速总结，返回表格形式的 研究问题、研究方法、研究结论 step1 下载并安装zotero的GPT插件 这是插件的介绍 Awesome ...

声明： 以下内容是书 Causal Inference: What If 的阅读笔记，作者主页miguelhernan.org可以下载对应的pdf 以下内容使用deepseek辅助创作 从相关（association）到因果(causation) 相关vs因果 对于经济学的人来说应该不会有什么困惑，但对于计算机领域做算法预测的人来说是比较容易引起混淆。对于管理领域不做因果推断的人（比如之前的我）时常感到费解，因为最初是直接看的机器学习、深度学习，直接去做预测，或者找与目标结果相关的影响因素（factors），其实说到这个词的时候就很犹豫，这个影响因素到底是相关还是因果？ 最初错误的理解因素这个词就是因果效应，经常把特征feature, characteristics和因素挂钩...

声明： 以下内容是书 Causal Inference: What If 的阅读笔记，作者主页miguelhernan.org可以下载对应的pdf 因果推断笔记-从个体因果效应（individual causal effects）到平均因果效应(average causal effects) 假设你需要知道是否治疗（treatment）对某个患者的效果(存活或者死亡)。比如患者正在考虑是否做心脏手术： 选择： 做手术（记作A=1） 不做手术（记作A=0） 结果： 死亡（记作Y=1） 存活（记作Y=0） 关键点：是否治疗A=1 OR A=0产生两种潜在的结果（pote...

前言 大多数情况下是用不到MongoDB的，直接存储在csv或者json即可。以下是比较适合用MongoDB存储的情况 抓数据 数据规模极大，起码百万+ 频繁查找字段 文本格式的数据 字典格式的数据 不适用于 图像、视频、音频数据存储。这种建议采用字段索引的方式，将key和数据分离存储，将数据存储到单独存储到一个文件夹，其中文件名作为MongoDB的字段访问。 Linux下MongoDB的安装与使用 安装 直接跟着以下教程一步一步安装就行，亲测有效 在Ubuntu22.04中安装MongoDB6.0（2024年1月版）_厦大数据库实验室博客 (xmu.edu.cn) 常用命令 # 查看状态 sudo systemctl status...

前言 近几年期刊要求水涨船高，遥想2020年左右深度学习、机器学习刚在计算机领域大杀特杀，当时随便拿个一般的特征工程加个基本的机器学习模型就能投IPM；计量模型要求不需要十分严谨就能发DSS，IR；现在再按照之前的做法，投IR,IPM，直接就是Desk Reject，问就是方法没有创新，计量不严谨，理论薄弱。 也不全是坏处，起码现在对混合方法（Mixed Method,或者Design Science）的包容度越来越高，对信息系统IS领域来说其实是好事，因为咱这个领域不就是各种方法交叉混合嘛，从问卷、算法、到计量真就应有尽有。个人感受最大的一个好处是，信息系统能跟上AI、大数据这波潮流，肉眼可见的是大家用的数据越来越大，现在动则几十万的数据，那确实能观察到更多的现象，这样子做出来的...

前言 不同学科偏好差异巨大，本文专门针对IS领域的文章进行介绍。 一般来说，大部分论文会包含这几个部分 introduction, method,result及discussion 我们主要关注管理+计算机+心理学领域的论文，所以这里以这三个领域作简单的分析。 计算机写作篇幅精炼，注重方法的阐述（这是最核心的贡献），这其实和研究问题比较相关，因为他们大多问题都是很具体的（如情感分类，商品推荐等），所以不需要耗费大量的篇幅去阐述关于研究问题的motivation或者说背景意义。 心理学篇幅和计算机相差不大，但更注重实验结果或者发现（其实也是蛮合理的，大多时候他们会做很多实验，比如招患者来做实验，所以发现的新结论或者现象是重点），对所用方法的介绍会很简短。 管理领域，非常非常注...

最近一个周连续参加了CSWIM, SWAIB会议，说了太多话，e人浓度瞬间从100%降到了0%，感觉这三天都不想再说话了 好消息是做的主题(心理健康➕社交媒体)看到了蛮多类似的研究，也收获了大佬的鼓舞，坏消息是一篇文章想实现的目标过多，且策略有点过于激进(好坏参半)，好的是确实很有趣，坏的是容易引起争议，最初蛮让自己内耗的，过后冷静下来又觉得，引起争议更证明了研究的意义。 时间线回到三四个月前，当时做的论文感觉工作量上处于尴尬的level，向上是一篇毕业的top，向下是1/3的普通论文，这对于博二初的自己来说确实是一个艰难的抉择，内耗了接近一个月。然后遇到了同样内耗的师姐(申请青基中)，神奇的她因为骨折的原因emo了很久，然后想做心理健康(能带来职业成就感)方向，然后她根据我之前的...

词嵌入的经典方法-独热编码（one hot），词袋模型（bag of words），词文档-逆文档频率（TF-IDF） 1 one-hot(独热编码) intuition(核心思想) ​ 文档中每个单词的出现都是独立的,每个词都有独一无二的含义，与其它词无关。对单词编码后的向量中只有数字 0 和 1，且其中只有一个维度是 1 案例： ​ 给出一句话，I ate an apple and played the piano。输出词典表示 劣势 ​ 稀疏矩阵；高维；无法学习语义，向量间的距离无法反映语义差异， 应用： ​ 输出类别标注 2.bag of words intuition(核心思想)：文...