当前,社交网络已经成为人们关注、获取、发布信息的重要渠道。随着互联网的蓬勃发展,社交网络每天产生的信息在持续增多,从中提取有价值的信息已经成为一个重要的研究方向。这些信息可用于商业竞争、情报分析、舆情监控等领域。同时,越来越多的科研机构、科研人员通过社交网络发布信息,这些信息经常包含科技领域相关事件,且往往比新闻渠道发布更早。因此,通过对社交网络进行检测,从中提取有价值的科技情报也变得大有可为。在进行事件检测时,及时发现事件至关重要,因此,事件检测算法需要具有良好的运行效率。通过对科技领域事件检测算法和web技术的应用,可以将社交网络中的科技领域事件以简洁直观的形式展示给用户。本文研究了基于词库改进的科技领域事件检测算法,并结合数据采集技术、文本表示技术以及文本分类技术设计并实现了科技领域热点事件检测系统。本文的主要工作如下:(1)研究了事件检测相关技术,结合科技领域事件检测的特点,使用词库改进了基于局部敏感哈希的事件检测算法,称为FSD-improved算法。该算法通过将科技领域词库与基于局部敏感哈希(Locally Sensitive Hash,LSH)的事件检测算法相结合,提高了事件检测过程中LSH随机超平面划分子空间的效率,从而减少了随机超平面的使用个数以及哈希表的数量,实现了算法运行效率的提升。实验结果表明,当数据集大小为2000-150000篇文档时,相比于基于LSH的Petrovi’c事件检测算法,FSDimproved算法的运行效率提升了10.91%-74.47%,而事件检测的准确度几乎一致。(2)设计并实现了科技领域热点事件检测系统。该系统通过文本分类算法对社交网络数据进行分类,对分类后的科技领域相关数据使用FSD-improved算法检测热点事件,并将热点事件在基于Django框架实现的web系统中进行展示。该系统采用模块化、高可用、可扩展的架构模式,分为数据采集模块、文本分类模块、事件检测模块、事件展示模块,具有较好的性能和良好的用户体验,满足科技领域事件检测的需求。