社會(huì)網(wǎng)絡(luò)錯(cuò)綜復(fù)雜，如果能夠及時(shí)發(fā)現(xiàn)和預(yù)測(cè)當(dāng)前網(wǎng)絡(luò)可能發(fā)生的重大事件并采取有效的處置策略，將具有重大意義．鏈路預(yù)測(cè)的理論框架和評(píng)價(jià)方法為社會(huì)網(wǎng)絡(luò)事件檢測(cè)提供了一條有效途徑．目前，鏈路預(yù)測(cè)的研究工作大多針對(duì)特定網(wǎng)絡(luò)提出相似性指標(biāo)，試圖取得更高的鏈路預(yù)測(cè)精度，這些研究存在如下問(wèn)題：（1）不同的相似性指標(biāo)適用于不同的網(wǎng)絡(luò)，不具有普適性；（2）獨(dú)立的相似性指標(biāo)無(wú)法全面反映網(wǎng)絡(luò)演化的多樣性和復(fù)雜性；（3）鏈路預(yù)測(cè)時(shí)未考慮網(wǎng)絡(luò)演化過(guò)程中可能出現(xiàn)波動(dòng)。無(wú)法進(jìn)行事件檢測(cè)．基于上述問(wèn)題，提出一種社會(huì)網(wǎng)絡(luò)事件檢測(cè)的混合指標(biāo)群智能方法IndexEvent，由最佳權(quán)重算法OWA（optimal weight algorithm）和波動(dòng)檢測(cè)算法FDA（fluctuation　detection algorithm）組成，可以評(píng)價(jià)不同網(wǎng)絡(luò)的演化波動(dòng)，發(fā)現(xiàn)網(wǎng)絡(luò)波動(dòng)異常，進(jìn)行事件檢測(cè)，主要工作如下：（1）提出了混合指標(biāo)，并證明了基于混合指標(biāo)的鏈路預(yù)測(cè)算法可以取得更高的預(yù)測(cè)精度；（2）基于量子粒子群算法提出了最佳權(quán)重算法OWA，以高效地確定不同網(wǎng)絡(luò)的最佳混合指標(biāo)：（3）提出了一種網(wǎng)絡(luò)波動(dòng)檢測(cè)算法FDA，定量評(píng)價(jià)不同時(shí)段網(wǎng)給演化的波動(dòng)程度，并在考慮微觀因素的基礎(chǔ)上進(jìn)行改進(jìn)．對(duì)不同特征的網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)，結(jié)果表明，IndexEvent方法能夠準(zhǔn)確地反映事件造成的網(wǎng)絡(luò)演化波動(dòng)，有效地檢測(cè)事件．