微博的社会化特性及其可以被迅速、及时的传播，吸引了大量对信息实时性有高需求的网民。尤其是在突发事件的信息传播上，微博更是超越了传统媒体，成为了信息快速传播的渠道。微博上的信息不仅发布及时，而且也是现实社会生活的缩影，挖掘微博上的信息有利于从不同角度分析现实世界的情况。因此，从海量的微博数据检测事件具有十分重要的意义。
现有技术中的微博事件检测的方法可以分为两类，一类是针对特定事件的微博事件检测方法，一类是通用的微博事件检测方法。对于特定事件的微博事件检测方法，通常需要对事件一定的先验知识，比如针对地震事件，通过地震相关的关键词找出相关微博，对这部分微博进行分析，但是对于突发事件很难具有先验的信息，因此，该种微博事件检测方法具有很强的局限性。对于通用的微博事件检测方法不需要事件的先验知识，主要包括基于突发特征检测、主题模型、聚类或者图的方法，但是这些方法普遍需要离线检测，不能处理流式数据。本成果提供一种基于语义扩展的微博突发事件检测技术，以解决上述问题。
本成果提供的基于语义扩展的微博突发事件检测技术包括：获取与待检测的微博突发事件对应的第一关键词；根据第一关键词和第一关键词关联的词向量文件，得到微博突发事件；其中，第一关键词关联的词向量文件是采用word2vec方法对训练集中的训练词语进行训练得到的，词向量文件包括第一关键词与其它训练词语之间的语义相似度。本技术的基于语义扩展的微博突发事件检测方法及装置，通过考虑文本的语义信息来扩展事件的关键词，并通过扩展后的关键词进行微博突发事件的检测，可以准确的检测微博突发事件，避免了将同一事件分成两个微博事件，并可以进行在线检测。