As mídias sociais tornaram-se uma fonte importante de dados para a percepção de riscos em eventos sociais complexos, mas os métodos de alerta existentes dependem amplamente de picos de popularidade, etiquetas semânticas específicas da tarefa ou estruturas observáveis de propagação, prestando pouca atenção às mudanças no ritmo de propagação antes da formação da crise. Este artigo propõe uma estrutura de detecção online não supervisionada para alerta precoce de crises nas mídias sociais. Essa estrutura agrega comportamentos sociais heterogêneos em uma sequência unificada de intensidade social e detecta fases anormais de propagação acelerada em relação à linha de base histórica por meio de suavização causal, extração de taxa de variação, limiares de quantis móveis, restrições de persistência e mecanismo de resfriamento. Em comparação com métodos tradicionais orientados por intensidade, este método foca mais em se está acelerando em direção a um estado de risco, em vez de se já foi atingida alta popularidade; em comparação com métodos orientados por semântica e estrutura, depende menos de anotações, ontologias e grafo completo de propagação. Experimentos rigorosos de reprodução causal baseados em conjuntos de dados de opinião do Weibo sobre a crise Rússia-Ucrânia e conjuntos de dados de resenhas de filmes do Douban mostram que essa estrutura pode capturar precocemente o processo de aumento coletivo antes de eventos-chave com baixa interferência de alerta e demonstra certa reutilização estrutural em diferentes cenários. Os resultados indicam que a detecção de mudanças na dinâmica de propagação pode fornecer um caminho de implementação leve, interpretável e transferível para alerta precoce online em sistemas sociais complexos.

mídias sociais; alerta precoce de crises; monitoramento online de anomalias; dinâmica causal; radar Doppler social