检测微博中的事件很重要，但仍具有挑战性。 由于推文流是用户兴趣和外部事件的混合，因此区分它们很昂贵。 现有方法无效，因为它们会忽略用户兴趣或仅对固定数据集上的兴趣和事件建模而没有可伸缩性。 在本文中，我们介绍了一种在线学习模型，即基于用户建模的兴趣和事件主题模型（UMI-ETM）。 UMIETM（1）利用用户建模的信息来发现事件，这些事件通常会吸引具有不同兴趣的用户的注意，（2）将到达的数据视为流，并以在线学习方式运行检测。 此外，UMIETM可以处理推文流中动态增加的词汇。 UMIETM已在长