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

本研究提出了一种以聚类为基础的实时事件发现系统，能够将 Twitter 上的实时数据进行聚类，识别出不同的事件，并使用 novel metric 评估聚类方法的效果和在实时和线下模式下的表现，实验结果表明该系统在大规模数据上具有很高的效率和准确性。

Jul, 2019

利用社交媒体进行生物监测能够提高流行病管理的实时性和效率，但需要更加可靠的应用程序用于疫情预测、公众舆论和虚假信息的管理，以及关注潜在的精神健康问题，预防措施在控制流行病方面变得至关重要。

Oct, 2022

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

社交媒体是信息和交流的一个重要渠道，然而有些人和团体利用社交媒体推广他们的议程，可能对不同观点的人造成危险。本文提出了危险事件的概念以及根据特征将其分类为行动、情景和基于情感的事件，目的在于解决这个问题。

Apr, 2022

社交媒体分析可用于评估 COVID-19 演变和捕捉有助于卫生机构处理疫情的消费者讨论，并将事件提取问题视为利用语言模型中的连续提示进行抽取式问答，显著提高 COVID-19 事件插槽的 F1 分数。

Mar, 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

通过分析世界各地发布的超过一亿条推特信息，研究人员发现在 COVID-19 大流行期间，波动的不可靠和低质量信息可以引发社会不合理行为和严重的公共卫生威胁， 而人们对虚假信息的反应表现出可以通过充分的沟通策略来缓解的早期警告信号。

Apr, 2020

社交媒体上的虚假新闻检测方法缺乏鲁棒性且无法推广到未知事件，为解决这一问题，该研究提出了一种面向未来事件的虚假新闻检测框架，通过自适应增强策略和图对比学习训练目标预测器，同时独立训练事件预测器并通过减去事件预测器的输出从而缓解事件偏见，实验证明了该方法在真实社交媒体环境下相对于现有的先进方法的有效性。

Feb, 2024

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