本文介绍了社交媒体上事件检测的方法和数据集，探讨了该领域的研究机会。

Jun, 2023

本文提出了一种基于社交媒体流的实时事件跟踪方法，包括事件检测、演化模式追踪、以及通过核心帖子绘制草图图形和词云展示等，能够有效处理大量噪声数据。

Nov, 2013

社交平台是传播和讨论真实事件信息的关键平台，本研究提出了一种利用社交数据的词汇、语义和上下文表示来检测社交事件的框架，通过利用上下文知识在最早的阶段检测语义相关的推文并提高聚类质量，进而展示每个事件的演变变化。经过广泛实验验证了该框架在检测和区分社交事件方面的有效性。

Jul, 2023

本文提出一种基于事件的异构信息网络，结合外部知识库，基于元路径相似度搜索的社交事件检测和演化发现框架，并利用基于加权元路径实例相似性和文本语义表示的新颖 PP-GCN 对社交事件进行细粒度分类，该框架优于其他替代的社交事件检测和演化发现技术。

Apr, 2021

本文提出了一种通过语义聚类短信息的方法来早期发现新兴实体，并设计并利用性能评估指标来评估该方法的性能表现。结果表明，该提议方法发现的新兴实体不仅仅是 Twitter 趋势的范畴。

Jul, 2022

该论文介绍了一种针对 Twitter 的流式框架，用于在线检测和聚类社交媒体中的模因，通过 “原型模因检测” 预聚类后，在多个相似性衡量标准的基础上聚合原型模因，建立起与语义、结构、主题数相关的推文集群。

Nov, 2014

本文探讨了实时总结日程安排事件（例如从 Twitter 流中总结足球比赛）的方法，通过子事件检测和推文筛选进行了评估，证明了这种文本分析方法可以高效地总结所有类型的子事件，这种方法可应用于其他日程安排事件。

Apr, 2012

本研究利用对抗性神经模型，对社交媒体上涉及危机事件中的具有实际行动意义的信息进行筛选，以达到在面对新兴危机事件时提高分类器的泛化性能及性能表现的目的。

Nov, 2020

社交媒体为时事趋势和事件提供了便捷获取信息的平台，我们通过开发一个提取和分析社交媒体帖子中流行病相关事件的框架，利用事件检测技术实现更好的灾害预防和预警，为新兴流行病的应对提供了基础。

Apr, 2024

研究发现 Twitter 可以作为传感器，用于实时检测频繁且不同类型的社交和物理事件，其效率已超过 90％，将很有用于实时电子节目指南以及广告位的竞拍。同时，对于首次使用 Twitter 进行实时社交和物理事件检测的可行性进行了证明，为普适计算提供了支持。

Jun, 2011