社會(huì)網(wǎng)絡(luò)特征千差萬別，演化規(guī)律錯(cuò)綜復(fù)雜．合理地分析網(wǎng)絡(luò)演化規(guī)律，及時(shí)地檢測網(wǎng)絡(luò)事件具有重大意義，基于鏈路預(yù)測的社會(huì)網(wǎng)絡(luò)事件檢測方法利用有限的網(wǎng)絡(luò)拓?fù)?a target='_blank' class='arckwlink_none'>信息，能夠有效地發(fā)現(xiàn)網(wǎng)絡(luò)演化的異常波動(dòng)，準(zhǔn)確地檢測網(wǎng)絡(luò)事件．然而，現(xiàn)有方法大多受到鏈路預(yù)測的宏觀評價(jià)指標(biāo)的限制，忽略了不同節(jié)點(diǎn)演化波動(dòng)的差異，用相同的相似性計(jì)算指標(biāo)去描述所有節(jié)點(diǎn)的演化波動(dòng)，不利于提升事件檢測的表現(xiàn)．為了進(jìn)一步提升事件檢測的精確性和敏感性，提出一種面向節(jié)點(diǎn)演化波動(dòng)的社會(huì)網(wǎng)絡(luò)事件檢測方法NodeED，由節(jié)點(diǎn)相似性計(jì)算指標(biāo)判定算法Simjudge和網(wǎng)絡(luò)微觀演化波動(dòng)檢測算法MicroFluc組成，主要工作如下：（1）結(jié)合粒子群優(yōu)化算法，提出Simjudge定量地比較不同的相似性計(jì)算指標(biāo)對節(jié)點(diǎn)演化波動(dòng)的描述程度，確定每個(gè)節(jié)點(diǎn)在不同時(shí)段的最佳相似性計(jì)算指標(biāo)；（2）為了量化事件對網(wǎng)絡(luò)演化的影響，提出了MicroFluc，充分考慮節(jié)點(diǎn)演化波動(dòng)的差異，從節(jié)點(diǎn)演化波動(dòng)的角度對不同時(shí)段的網(wǎng)絡(luò)整體演化波動(dòng)進(jìn)行定量評估；（3）在真實(shí)社會(huì)網(wǎng)絡(luò)VAST和ENRON中進(jìn)行對比實(shí)驗(yàn)，其結(jié)果表明，NodeED在VAST中的事件敏感性提升了100%，在ENRON中的事件敏感性提升了50%，更有利于精確地檢測社會(huì)網(wǎng)絡(luò)中發(fā)生的事件．