最近论文实验进行的非常的不顺利，一方面是实验聚类的效果十分的差，另一方面是做大数据的实验对计算机的性能要求很高，非常的耗费内存，每当矩阵的维度大于3000的时候，整个计算机就像中了魔法似的，像蜗牛一样慢。这样用小数据做实验效果非常的差，用大数据做实验计算机又跑不动，搞的自己很愚昧，不知道是自己数据集的问题，还是聚类算法的问题。
通过读论文，做实验，让自己学会了坚忍，深刻地理解了用机器学习处理大规模数据所带来的挑战，以及明白了无论做什么事情都要上心。
普卢塔克说，萨特斯为了告诉他的士兵坚忍和智慧比蛮力更重要的道理，把两匹马带到他们面前，然后让两个人拔光马的尾毛。一个人是魁梧的大力士，他抓住尾巴拔了又拔，但一点效果也没有；另一个人是一个精明的、长相狡黠的裁缝，他微笑着，每次拔掉一根毛，很快就把尾巴把得光秃秃的。
当然，这个故事每个人都有自己的理解。我自己学到的是裁缝的心态，面对困难的事情，能够认准目标，耐住性子，一步一步往前走。不怕慢，只怕站，以及欲速则不达的道理。
面对实验的挑战，自己精疲力尽。也许是自己实验的方法有问题，思路错了，现在最需要的就是静下心来，回顾自己以前读过的论文，再看一些新的论文，整理一下思路，重新出发。如果实在不行，那么开始学习集群，多线程，分布式和并行计算，搭建一个Hadoop集群进行实验。山不转水转，无论怎样，实验还是要做的，论文还是要发的。
从现在开始，自己对待论文的态度也要转变，以前自己认为论文不屑一顾，纯粹是在浪费时间，并且毫无价值可言。其实，整个生活就像一面镜子，你是什么样子的，你看到的就是什么样子的。科学只不过是经过整理和组织的常识而已。只有经过实践，然后整理自己的思想，最后以论文的形式展现出来，自己的思想才能够为更多的人所熟知，才能够为后来的人所继承，自己的思想才能够得到延续，因为写在沙地上的论文，是得不到延续的，即使再有价值，一阵微风吹过，一切美好将不再存在。
关于论文的形式与内容，也是仁者见仁，智者见智。总之，形式与内容相辅相成，一切的形式都是为内容服务的。写论文可以用Word，当然最好还是用LaTeX。要踏实，要认真，要纯粹，要简单。
既然决定发表论文，那么就要发表高质量的论文，而不是垃圾，这样至少能够对得起自己的付出，不要因为走的太远，而忘记了当初我们为什么出发。
“我常常说，当你对所讲的内容能够进行度量并能够用数字来表达的时候，证明你对这些内容是有所了解的。如果你不能用数字来表达，表明你的认识是不完整的，也是无法令人满意的：无论它是什么东西，它也许正处于知识的初级阶段，但在你的思想中，几乎从没把它上升到一个科学的高度。”
我对这句话是深有感触的，只有把现实世界，经过数学建模之后，才能够存储到计算机世界的，然后才能进行操作以及其它的什么事情。总之，数学的重要性是不言而喻的。
从现在开始，自己一边做实验，一边读论文以及相关的书籍（自己的方向是基于社交网络的推荐算法），如下所示：
- 《Recommender Systems Handbook》
- 《Recommender Systems for Social Tagging Systems》
- 《推荐系统》
- 《推荐系统实战》
- 《网络科学：原理与应用》
- 《社会计算：社区发现和社会媒体挖掘》
- 《数学分析》
- 《线性代数》
- 《概率论》
- 《统计学》
- 《随机过程》
- 《离散数学》
- 《组合数学》
- 《具体数学》
无论怎样，不得不面对的一个问题就是工作的问题，相信自己一定能够处理好论文与工作之间的关系，鱼和熊掌可以兼得。具体规划如下所示：
1、上午
数学和经典算法；英语（小数据分析）
2、下午
读论文；做实验（论文战略）
3、晚上
数据算法；英语（大数据分析）
总之，工具上精通Java、Python，SPSS和MySQL。理论上，重点学习社交网络，推荐系统，数据挖掘和机器学习。郁闷的心情只能在前行中得到缓解，排除一切干扰，一直往前走，所有的问题都必将迎刃而解。至少相信上帝是公平的，相信上帝是不会抛弃任何一个肯努力的孩子的，精诚所至，金石为开。博客容易，论文不易，且写且行。
论文战略