数据挖掘博士论文范文参考 数据挖掘博士毕业论文范文[精选]有关写作资料

目录

1. 第一篇数据挖掘博士论文范文参考：面向舆情分析和属性发现的网络文本挖掘技术研究
2. 第二篇数据挖掘博士论文样文：Web评论文本的细粒度意见挖掘技术研究
3. 第三篇数据挖掘博士论文范文模板：基于混合智能的中医辨证系统研究
4. 第四篇数据挖掘博士论文范例：社会化媒体中提升用户参与度的关键因素研究
5. 第五篇数据挖掘博士论文范文格式：基于对象、事件和过程的时空数据模型及其时变分析模型的研究

★100篇免费数据挖掘博士论文范文为免费优秀学术论文范文,可用于相关写作参考,为您写相关硕士毕业论文和本科毕业论文和职称论文提供论文范文格式模板,【快快阅读吧！】

第一篇数据挖掘博士论文范文参考：面向舆情分析和属性发现的网络文本挖掘技术研究

微博、即时通信工具、论坛、博客等社会化媒体,以及协同标注、网上商城、电子图书馆等基于实体数据库的互联网应用,已深入人们的日常生活,成了人们发表和传播信息、获取知识的重要平台.网络文本是互联网上信息的主要载体,对其深入挖掘在安全领域的网络舆情分析和实体属性发现上有重大的应用价值和学术意义.

文本消息和实体信息是互联网文本数据的两种重要类型.社会化媒体上的文本消息,通常属短文本,并按其时间属性组织后形成文本消息流,包含着网民们的许多思想观念与倾向.然而,文本消息的不完整性、奇异性、海量性和动态性导致文本消息流的话题发现、倾向性分析和热点信息挖掘十分困难.另一方面,基于实体数据库的网站包含着大量网页标签、电子图书、房产、汽车、商品、娱乐和人物等实体的属性信息.实体属性信息散布在各类网页间,往往被海量的网页数据所淹没,特别是应用了垂直搜索技术的网站,大量实体属性信息被用于交互式搜索,这种隐藏在用户检索实体动态交互过程中的属性因没有显式表示在描述实体详情的最终页面上,故本文称其为潜属性信息.目前尚未发现关于潜属性信息挖掘的研究.

本文针对文本消息流和实体信息的特点,面向舆情分析和实体属性发现,开展短文本会话检测、敏感热点短语挖掘、实体潜属性发现和海量属性的聚焦爬取四个方面网络文本数据挖掘技术的研究.主要贡献表现在:

1.提出了一种基于消息产生密集度和上下文相关度的文本会话检测算法.文本会话检测旨在将消息分检到多个不同的会话队列,是短文本话题发现、倾向性分析与社会网络分析的基础.由于消息产生速率的变化情况能反映出文本会话的边界,本文首先采用n阶移动平均法平滑消息产生速率,然后检测出产生速率曲线中的波谷时刻,认为波谷时刻为会话边界.接着,对于切分好的细粒度会话片段,分析其内容相关性以聚合出较完整的会话,解决交错性问题.由于消息流中时间上比较邻近的消息构成对话上下文的可能性较大,为此基于邻近程度引入消息间会话上下文相关度的概念.为更客观地衡量任意两条消息间的上下文相关度,需要将海量历史消息流中相似消息间的上下文相关度进行综合计算.经综合计算得到的最终上下文相关度较高(超过某个阈值)的消息,认为属于同一会话.消息片段间的会话相关度从两个片段的消息间的相关度综合而得.实验表明,和单纯基于消息间文本内容相似度的聚类算法相比,性能提升了30%左右.

2.针对微博中文文本消息流,提出了一种基于AC-Trie树的热点短语挖掘技术.消息流中出现频率突然变高且能持续一段时间的子字符串称为热点短语,它往往能反映消息流中隐含的热点话题和突发事件.本文首先用文本消息流的某个典型时段采样得到各类短语,做为热点短语挖掘的样本,构建具有有限自动机结构的AC-Trie前缀树,然后基于该样本树,通过单遍扫描后续的文本消息流,将各类短语的出现频率记录在相应节点上,并采用频率、放大率或加速度三种经典方法来度量各类短语的出现热度,挖掘出热点短语.考虑到热点话题的转移会导致热点短语的变化,AC-Trie需要相应地从新的文本消息流中采样重构,以发现新的热点短语.本文通过分析记录在Trie树各节点上的遗漏短语频率,动态确定重构时机,以及时发现新的热点短语并减少计算开销.新浪微博文本消息流上的实验表明,本文提出的挖掘技术能有效挖掘到热点短语(平均正确率达89%),时空开销仅为基准算法的2%.

3.提出了基于垂直搜索网站超链接语义的潜属性信息发现技术.垂直搜索网站除包含展示实体详情的实体页面外,还包含垂直搜索过程中出现的大量列表页面.列表页面上含有用于垂直搜索的超链接.本文首先针对特定网站的某些显著特征,判别并找出所有列表页面,然后,按照列表页面上超链接中有关“上卷”、“下钻”等搜索概念的语义,通过列表页面及其每一超链接指向的列表页面所分别隐含的实体集间的大小关系的比较,找出该列表页面的“下钻”链接,最后,把“下钻”链接上的锚文本映射到该链接指向的列表页面所隐含的实体上,归入该实体的属性集.潜属性的发现对于深度挖掘舆情对象和热点话题的某些特征有重要意义.尽管网站的动态更新可能导致潜属性发现出现某些误差,实验表明本文的潜属性方法受网站动态更新的影响不大,实用性较高,能达到98%的平均精确率和97%的平均召回率.

4.提出了一种基于动态查询树剪枝机制的潜属性信息聚焦爬取技术.针对垂直搜索网站不同列表页面可能隐含相同实体集这一情况,为避免潜属性发现过程中的不必要的重复,本文设计了一种查询树的剪枝机制,查询树的每个节点代表一个列表页面,父节点指向子节点的边代表相应列表页面间的下钻关系,边上的值即为相应的潜属性,从根节点到子节点路径上的所有潜属性构成该子节点的潜属性集.查询树是动态构建的.首先从网站的根列表页面出发,以深度优先方式,根据“下钻”超链接语义生成下层子节点,接着,对于新生成的每个子节点,判断其潜属性集跟已有的某个子节点相同,若有则剪除该子节点.以上含有剪枝机制的查询树动态构建过程,本文称之为属性的聚焦爬取.聚焦爬取过程结束时,可以获得无重复的所有实体页面(叶节点).最后,通过业已成熟的传统网页信息抽取技术获得实体页面上的显式属性,并与潜属性一起构成实体的全部属性信息.实验表明,经优化后的潜属性发现方法,由于显著提高了发现的速度,故可以更好地适应站点的动态变化,精确率和召回率提高到了99%.

5.设计并实现了基于UIMA的文本消息流和实体信息挖掘系统.UIMA是一个基于中间件的海量非结构化数据挖掘分布式开源平台.本文基于UIMA,采用责任链设计模式设计和实现了包含本文四个方面研究内容的互联网文本信息挖掘系统,该系统由网络爬虫构件、预处理子系统、自然语言处理子系统和本文重点研究和实现的挖掘子系统组成.网络爬虫构件实现指定网页的爬取并存储在Hadoop分布式文件系统中.预处理子系统对网页内容依据配置的规则进行初步的无用信息过滤和简单切分,并抽取作者、时间、标题和超链接等元信息,将结果封装为UIMA的CAS数据包.自然语言处理子系统对数据包中的文本内容进行分词、命名实体识别、词性标注等处理,并将结果添加到CAS数据包中.挖掘子系统从CAS包中获得文本消息或超链接,按照本文所提出的方法与机制,将消息流中的消息分检到会话队列,并进行挖掘热点短语的挖掘,对垂直搜索网站的页面进行实体属性信息发现,最后将结果写入数据库中.同时,保存于数据库中的实体属性信息反馈到自然语言处理子系统,辅助实体及属性识别,以不断深化舆情分析工作.此外,本系统还实现了一个简明的可视化界面,展示挖掘结果.本系统已成功应用于国防科大研制的银河博思舆情分析系统.

第二篇数据挖掘博士论文样文：Web评论文本的细粒度意见挖掘技术研究

近年来,随着电子商务和社交媒体的蓬勃发展,网络用户可以针对包括在线商品、新闻时政、公众人物和个人经历等在内的各种主题和对象发表自己的主观评论意见.这类主观评论信息包含了用户个人的主观意见、情感、态度和观点等.随着用户的参与度不断提高,以Web为媒介的主观评论文本信息日益激增.面对海量的Web评论文本,如何针对特定信息需求,进行有效的用户主观意见挖掘和分析,即Web评论文本意见挖掘,日益成为当前智能信息处理、数据挖掘和计算语言学等领域的一个研究热点.Web评论文本意见挖掘技术具有重要的理论研究和实际应用价值,可以广泛地应用于信息检索、商业智能、社会舆情分析等方面.

虽然粗粒度的主客观分类和情感分类技术已经相对比较成熟,但针对评论文本的细粒度意见挖掘研究仍面临着特征空间较大、数据稀疏、有效特征不足、自动化程度不高和领域依赖性等问题.本文针对以上关键问题,从细粒度意见元素抽取、自适应评价目标聚类、领域情感词典自动构建、评价目标和情感词联合聚类四个方面开展研究工作,具体研究内容和创新性成果包括：

（1）针对细粒度意见挖掘面临的特征缺乏以及多级别特征的有效融合问题,提出了基于序列标注学习和句法语义结构特征的意见元素抽取方法.由于用户评论数据通常具有不规范性的特点,细粒度意见挖掘研究比传统的信息抽取任务更加困难,需要解决特征空间较大、数据稀疏和缺乏有效特征的难题.本文将评价目标和情感词的抽取任务转化为序列标注学习过程,采用条件随机场CRFs模型构建有效融合多级别特征的统一抽取框架,并提出一种朴素的图剪枝算法对评价目标进行自动分类.通过引入句法语义结构特征,有效利用长距离的依存句法关系,以解决有效标注特征缺乏问题.实验结果验证了基于序列标注学习和句法语义结构特征的意见元素抽取方法的有效性.

（2）针对评价目标聚类的领域依赖性和语义关联相似度计算问题,提出了基于约束的评价目标谱聚类方法.评价目标聚类是用户评论意见挖掘研究中的核心任务,已成为基于特征的意见摘 要 和推荐的基础.现有的研究工作通常忽略了计算评价目标之间语义关联的领域依赖性,且存在着有效关联信息不足的问题.因此,本文研究提出基于约束的评价目标谱聚类方法以解决上述问题.该方法通过挖掘评价目标之间的词法约束和上下文约束信息,增强评价目标之间的领域关联性；采用约束谱聚类算法,在融合先验约束知识的同时,有效地降低聚类空间的高维性和稀疏性.实验结果表明,基于约束的谱聚类方法有效提高了评价目标聚类的效果.

（3）针对情感词典构建存在的算法领域适应性差、种子词依赖性和准确率不高问题,提出了基于约束标签传播的领域情感词典自动构建方法.情感词典是自动化情感分析的重要基础,然而由于评论文本的领域性,情感词的倾向性并不是固定不变的,而是依赖于出现的领域和上下文语境.传统的构建方法通常都面临着领域依赖、自动构建程度不高、准确率低等问题.因此,本文研究提出基于约束标签传播的领域情感词典自动构建方法以解决上述问题.该方法针对情感词的领域性,利用组块依存知识和先验通用情感词典抽取领域候选情感词和短语；通过定义和抽取情感词之间的上下文约束和词法约束关系,增强情感词之间领域依赖的情感关联相似度；最后利用约束标签传播算法计算候选词的情感倾向,构建领域情感词典.实验结果表明,约束标签传播方法有效提高了领域情感词典构建的准确率,受种子词覆盖的影响较小.

（4）针对细粒度意见挖掘中评价目标和情感词抽取以及匹配修饰关系计算问题,提出了评价目标和情感词的联合聚类方法.目前大多数的研究工作仅仅考虑了局部上下文中评价目标与情感词之间的直接共现关系,而忽略了全局领域上下文中评价目标与情感词之间的隐含修饰关系,且通常面临着标注训练语料缺乏、特征稀疏和领域依赖引起的准确率低问题.因此,本文采用联合聚类方法,将评价目标和情感词抽取以及它们之间的匹配修饰关系计算问题转化为基于先验约束的半监督学习过程.在评价目标具有相互约束信息的基础上,根据情感词与评价目标的关联关系引入情感词之间的约束关系,从而为联合聚类过程提供先验的指导知识.利用约束联合聚类算法,同步地对评价目标按照语义方面聚类,对情感词按照与评价目标类的关联聚类,从而获取情感词类与评价目标类之间的匹配修饰关系.实验结果验证了基于约束的评价目标和情感词联合聚类方法的有效性.

第三篇数据挖掘博士论文范文模板：基于混合智能的中医辨证系统研究

在长期与疾病的斗争中,中医演化并形成了一套独特且完整的理论体系,为中国及世界人民的健康做出了不可磨灭的贡献,在诸如慢性乙型肝炎的个体化治疗中显示出特有的优势,以至于越来越受到各国人民的欢迎,以及引起许多研究者的重视.但是传统中医诊断学的经验性、不确定性、模糊性等特点,严重制约了中医的发展和应用.中医证的研究一直是中医现代化研究的关键之一,也是中医用药和治疗的重要依据,其核心是证候分类和诊断标准的研究,然而目前的中医辨证过程缺少严格设计的统一框架,和规范化、定量化的诊断标准,如何将经验且模糊的中医辨证过程规范化、客观化和具有可计算性是本文研究的主要问题.

本文旨在运用智能技术从中医和西医两个角度对中医证候进行综合性研究,引入混合智能系统理论,为中医辨证过程设计一个具有规范化和客观化的整体框架,并以慢性乙型肝炎为例建立混合智能中医辨证系统,为中医临床实践提供现代化的技术手段.由于当前应用于中医证候分类研究的方法繁多,但仍没有一个普遍适用的方法,而且由于中医证候的复杂性、多模式性等特点,也使得证候辨证过程不能简单的使用某种单一技术来模拟,为此借鉴复杂性科学研究的理论和方法进行证候研究成为可能.本文将在中医辨证的研究现状和相关智能算法的基础上,提出适合于中医辨证的理论方法和系统实施方案.

1．基于多视图的混和属性选择

属性选择作为一项重要的数据预处理技术,主要目的是识别和消除样本的属性集中与预测结果不相关的或冗余的属性.中医数据集包含从主、客观手段获取的数据,其样本数量有限,但属性种类繁多且性质不同,正确有效的属性选择是构建中医辨证模型的重要基础.现有的属性选择方法很多,但都不能全面的获取与证候密切相关的关键属性.本论文提出了基于多视图的混合属性选择方法MVHFS(Multi-View Based Hybrid Feature Selection).该方法利用领域知识,将原有的整体属性空间分割成中医症状、中医体征和西医指标视图,并在每个视图中分别运行由多个基于filter模式的属性选择方法构成的混合属性选择算法,提取和每个证候密切相关的中医症状、中医体征和西医指标.该方法从中西医两个侧面提取证候的关键属性,且得到的构成每个证候的关键属性集不同,体现了证候之间的差异,为后续证候辨证模型的构建奠定基础.

2．结合分布信息计算属性权重

属性权重是属性重要程度的一种主观评价和客观反映的综合度量.在中医辨证领域,不同的属性对证候诊断的重要程度和作用是不等的,一个属性的作用越重要,其相应的权重就越大.在中医领域常使用属性整体出现的频率来计算该属性的重要程度,并不考虑在证候间分布的信息.本文提出了一个改进的TF-IDF算法,用于计算属性权重,可显示的区分不同属性对证候的作用,也可量化的显示出即使同一属性对不同证候的作用程度也是不同的,符合中医理论,也为后续证候辨证模型的构建奠定了基础.

3．基于属性选择的混合智能中医辨证模型

中医辨证的本质是证候分类.现有的分类方法很多,但由于中西医属性和证候之间的关系比较复杂,用单一分类器或单一模型很难提高其辨证精度.除此之外,在中医诊断学领域,获取每位患者的类别概率估计是非常重要的,基于此才能准确的为每位患者设置其用药和治疗方案.为此,本文引入混合智能系统理论及其思想,选用BayesNet、改进的概率决策树（WPET）和改进的分类关联规则分析(WCBA),进行加权融合,构建了一个基于属性选择的混合智能中医辨证方法.通过实验对比分析,该方法不论是对UCI标准数据集还是对慢性乙型肝炎数据集都有很好的性能,证明了该方法的有效性.而且通过对180例慢性乙型肝炎未标注新样本的预测,展现了该方法应用于临床实践的美好前景.

4．辨证系统的开发

在研究中医辨证过程和方法的基础上,论文研发了针对慢性乙型肝炎病例的中医辨证系统原型,该系统利用所提出的属性选择算法,可获得与每个证候密切相关的属性子集；使用改进的属性权重计算方法可获得与每个证候各自密切相关的属性的权重；使用系统的混合辨证模型可以判别新样本的主要证候和次要证候；并在新样本和新技术的增加过程中,系统的辨证模型将得到不断完善.

第四篇数据挖掘博士论文范例：社会化媒体中提升用户参与度的关键因素研究

短短几年间,社会化媒体得到了迅猛的发展,用户数量和覆盖率不断刷新记录,在社会生活中的地位和作用日渐重要.社会化媒体的核心是“社会化”,即用户的参与和互动.可以说,社会化媒体的根本价值来自用户参与的广泛性与互动性,参与度的低迷将直接导致用户的流失和平台本身的没落.而只有从理论上和本质上深刻影响用户参与的因素,才能为社会化媒体的实际应用如推荐和搜索提供有意义的指导.

本文从多角度展开了对社会化媒体用户参与度的研究.首先,需要避免千遍一律的枯燥和雷同,单一的内容会让用户乏味而离开,即需要保证多样性；其次,仅有多样性是不够的,必须同时保证内容的相关性和有用性,让用户收获意料之外的发现,即在多样性之上为用户带来眼前一亮的意外惊喜；最后,考虑到多样性和意外惊喜仅提升了用户个体层面的体验,应该继续挖掘用户关系,在网络层面上激发更多互动和共鸣,实现广泛的信息传播,由此,本文进一步对用户之间的影响关系进行深入挖掘以最大化整体参与度.对于以上激励用户参与的三个重要因素—多样性、意外惊喜和影响关系,本文分别展开了以下深入研究.

在多样性与参与度的研究上,以微博为例,本文对社会化媒体用户的个体网络和所读内容的多样性进行了实证研究.首先,使用四种不同的度量方法量化了多样性；之后,对多样性进行了时序分析,发现了微博用户的多样性随着时间增长；最后,考察了多样性与用户参与度的关系,实验发现：结构层面的多样性与原创数量显著正相关,而内容层面的多样性则对原创数量没有太大影响,这说明平台应该有意识地引导用户加入多个不同的圈子；不同度量方式下,转发数都随着多样性的增长而增长,这说明在平台设计中加入多样性元素能有效提升用户的参与度.

在意外惊喜与参与度的研究上,本文首次对意外惊喜现象进行了基于大规模用户行为数据的量化研究,提出了一种识别意外惊喜的高效算法,并计算了意外惊喜在社会化媒体中的存在比例,揭示了其对用户参与度的正面作用.意外惊喜指的是一种非预期的收获或无意中的发现,其在信息系统中对用户体验和用户参与的积极作用已得到了学术界和工业界的普遍认同,但这种作用仍缺乏由大规模数据下的理论研究支持.本文定义社会化媒体中的意外惊喜为“意外的相关性”.在该定义下,基于统计假设检验,本文提出了一种全新的方法来自动、快速、准确识别信息传播中的意外性、相关性和意外惊喜,该方法适用于多种信息系统,如推荐系统、检索系统和广告平台.使用该识别方法,本文计算了意外惊喜在微博信息传播中的存在比例,在Twitter的转发中约占27%,在新浪微博的转发中约占30%.最后,通过相关关系分析和因果关系分析,本文揭示了意外惊喜对社会化媒体中用户参与度（活跃度和社交度）的正面作用.

在影响关系与参与度的研究上,本文利用影响关系提升社会化媒体的整体参与度,抽象并公式化了参与度最大化问题.为了解决此问题,首先,通过随机测试验证了影响关系对用户参与行为的驱动作用；其次,提出了一种迭代算法,根据用户历史交互数据计算用户之间的影响关系；最后,针对参与度最大化问题,提出了一种高效的启发式算法TABI,实验显示该算法在整体参与度的提升上,性能显著优于推荐算法和社会财富最大化问题的近似算法.基于影响关系的参与度最大化是推荐系统新思路的一种探索,即出于提升整体参与度的考虑,在推荐中不仅需要匹配当前用户的兴趣,还需要考虑当前用户影响力带来的未来参与度.

综上所述,本文深入研究了提高社会化媒体用户参与度的三个关键因素：多样性、意外惊喜和影响关系.实验结果表明,以上三个因素均对用户参与度均产生积极作用.因此,在实际应用和系统设计中,可以借鉴本文提出的算法、技术和框架,在信息内容和用户关系两个层面为用户带来更好的用户体验,从而有效提升社会化媒体的互动程度和参与程度.

第五篇数据挖掘博士论文范文格式：基于对象、事件和过程的时空数据模型及其时变分析模型的研究

时空数据模型是时态地理信息系统的核心内容,是时空数据实现计算机容量性存储和高效性管理的基础,更是面向高级时空分析能探寻地理现象和事物时变规律的前提.目前,主流时空数据模型主要面向数据的高效存储和检索,而缺乏面向该数据模型的时空分析应用考虑.这导致数据模型与其时空分析和应用脱节.这主要因为现有时空数据模型缺乏一种内在关联机制的描述和表达,而这种机制响应着时变,是探寻时变规律的基础.时空数据模型的最终目的是时空分析,而探寻时变规律是时空分析的最高级实践.

籍此,时空数据构模应在构建时间维和空间维的同时,核心描述和表达这种时变响应机制：着重于表达时变进程中的时序关系和时空因果链；着重考虑整体进程描述与内部个体关联描述的有机结合.本论文以面向时变特征的地理事物和现象为研究对象,提出一种较基础型的时空数据模型,能描述时变的内在机制；并以此构建其语义概念模型和逻辑模型.在该模型的基础上,着重扩展其面向高层次的时空分析,用以增强和拓宽模型应用能力.

本文的工作及创新：

(1)、论述时态GIS和主流时空数据模型的研究现状,讨论了当前模型所存在的问题,并依此引出本文的研究任务(三类别七任务)及研究框架.

(2)、为搭建地理语义和计算机语义之间的“桥梁”,提出了“本征论-体变论-本体论”的“三论”新时变语义认知框架.该框架结合信息论和认知论：本征论强调时空数据的计算机语义表达,体变论用于解义该时空数据的时变特征及时变机制；本体论则将时空数据和时空变化提升至客观世界的现实地理语义描述.

(3)、就主流时空数据模型缺乏内在机制的描述和表达,提出和构建了基于对象-事件-过程的面向对象的时空数据模型：即OEP模型.该模型有别于主流时空数据模型,更注重描述和表达地理动态现象的整体进程及内部关系,增强性表征地理现象发生和发展的内在关联.鉴于描述和表达三者的侧重点不同,该模型可灵动性地整合或拆分成其他时空数据模型,不失为一种通用型的时空数据模型.更为重要的是,由于该模型表征的是一种内在关联机制,它也是一种基础型的时空数据模型.

(4)、提出了面向时变特征的OEP扩展模型,深化了对地理事物和现象时变内在规律的理解.以海冰变化特征为例,构建海冰本体逻辑模型并实现其语义查询.海浮冰作为海冰本体模型的重要组成部分,发展了基于OEP模型的海浮冰因子模型.

(5)、就实现计算机信息论与地理语义的互通,探讨由“本征论”衍生出的“空间关系”时变与表征“体变论”和“本体论”的“地理事件”或“地理过程”关联.具体是,将由空间几何对象表征的“地理对象”的空间拓扑和方位时变与其隐含的地理事件或地理过程的关联.由此,提出和探讨了区域连续时变的定性分析模型：RAE模型以及关联算法HMMRAE模型.

(6)、地理要素间的关系在计算机信息中演绎出地理对象间的空间关系.这种空间关系常呈现“多态性”,且其主体为“多类型”.该类空间关系存在某种时态关联或因果关联,称之为“多元”关联模式.从时空地理要素中,挖掘此类模式,是探寻时变规律的一种有力举措.就此,文中提出和探讨了该类“多元”关联模式的定义、搭建和挖掘算法等.

这是一篇与数据挖掘博士论文范文相关的免费优秀学术论文范文资料.

数据挖掘博士引用文献:

[1] 数据挖掘博士论文题目范文 数据挖掘博士论文题目如何定

[2] 数据挖掘博士外文外文 数据挖掘博士论文参考文献数量是多少

[3] 数据挖掘博士论文提纲格式模板 数据挖掘博士论文提纲怎么写