随着社交网络的诞生以及各种社交媒体的蓬勃发展,用户将社交网络作为新兴的信息共享平台,并在社交媒体中进行互动和交流,从社交媒体中获取感兴趣信息,关注社会重大事件,表达自身相关态度并发表相关意见。目前,在线社交网络中热点事件的检测研究通常时效性不高,并且对于检测出的事件表达粒度较粗,不便于用户理解热点事件相关信息。在国内,新浪微博是人们感知社会热点事件和参与社会热点事件讨论的重要平台,如何从新浪微博中快速检测事件供用户进行理解,对于用户理性参与事件的讨论、理解事件的发展动态有着重大的意义。为达到动态检测的目的,针对已有研究的相关不足,本文考虑使用分布式数据爬取以达到实时采集微博数据的目的,根据用户的输入出发,从微博中获取输入关键词相关原始微博文本数据集合,使用基于语义相关度和增量聚类的混合检测方法对原始数据集合进行预处理,从而得到事件微博文本集合;根据用户对事件不同了解程度的需求,由用户指定事件演化过程中的相关参数,如时间片大小、拐点子话题个数等,从而达到动态展示事件演化过程的目的。论文的具体工作包括:首先,进行微博文本数据的获取与处理。本文根据搜索关键词爬取初始微博数据集,使用搜索关键词及初始微博数据集进行数据补充爬取。在此基础上,设计合理的策略对噪声数据进行筛选,减少无意义信息的影响。针对微博文本规范性较差的问题,对用户推文中的文本内容进行预处理操作,降低无用数据对接下来事件检测任务以及事件演化分析任务的影响,从而减少事件检测和分析的难度,提高事件检测效率,增强事件演化分析完备性。其次,进行文本事件相关特征抽取。本文在基于预处理之后的微博文本数据集之上,对预处理后的微博文本进行相应的特征抽取及处理工作,这其中包括实体特征抽取、文本语义特征抽取以及关键词权重特征抽取。在实体特征抽取部分,主要包含命名实体的提取、词性标注及句法关系特征分析,用以构建事件元组;以及时间特征的提取与确定,辅助事件元组的构建,为后续事件检测和分析工作做好基础。最后,提出了一种基于Hashtag和语义相关度的增量聚类事件检测方法,实现了基于链式结构的事件分析,并进行了实验验证。首先对原创微博中的Hashtag进行信息熵和事件相关性分析,得到事件相关Hashtag的集合,并使用Hashtag相似性把未知事件与Hashtag进行一对多的精确匹配;再根据特征提取阶段所得到的事件四元组,在Hashtag聚类的基础上进行增量聚类,最终得到事件检测结果。根据事件微博文本集合构建事件链式元组结构,从而得到事件在时间轴上的演化过程。之后,通过实验验证了事件检测和分析方法的有效性。本文是在攻读工程硕士期间,参与课题组与企业合作项目的背景下完成的工作。本文主要工作为社交媒体的事件检测和分析研究,并实现相应系统,可以帮助网络用户充分了解网络上的热点事件,并为热点事件的舆论和演化分析提供理论依据。