运用大数据提升政府治理和民生保障服务水平,是实施国家大数据战略的重要任务之一。随着政务服务信息化水平的日益提高,政府服务积累了越来越多的数据信息。其中,12345公共服务热线平台累积了大量民生诉求数据,从这些海量诉求数据中以智能化分析方法挖掘民生类突发事件,对于提升政务服务质量与效率具有重要价值与意义。但是,目前国内外针对政务服务领域开展突发事件检测的相关研究与应用还很少,而现有的基于社交媒体短文本的突发事件检测方法也不适用于政务服务领域突发事件检测。因此,针对以上问题,本文研究提出了一种突发事件实时检测方法与算法RAEDetection。本文的研究内容与贡献点主要包括:(1)研究提出了一种基于公共服务热线诉求大数据的突发事件实时检测方法与算法RAEDetection。首先,基于Kleinberg模型提出了一种突发词实时识别算法,可以从流式诉求记录中实时识别突发词汇,为后续突发事件检测提供线索;然后,研究实现一种基于分层语义分析的候选突发事件检测算法,从主题层与事件层两个层面逐步细化诉求数据记录的聚类结果,得到候选突发事件;在此基础上,进一步研究提出一种基于事件地域树的地域模式自适应识别算法,准确地识别突发事件发生的地域模式以及涉及的地域范围;最后,研究提出一种基于滑动时间窗口的突发事件实时检测与趋势分析方法,能够动态地发现并且跟踪某个突发事件的发展走向。(2)为了提高算法对海量公共服务热线诉求数据的分析挖掘处理能力,本文在RAEDetection算法的基础上,基于Spark平台设计实现了一种大规模RAEDetection并行化算法。该并行化算法在保证突发事件实时检测准确率的同时,有效地提高了算法的运行效率与可扩展性。(3)基于本文提出的算法,设计并实现了一套突发事件实时检测系统。该系统集在线实时事件检测与离线全量事件检测于一体,具备从真实业务场景中及时、准确地发现突发事件的能力,目前已经成功落地应用于江苏省公共服务热线平台。(4)根据真实应用场景下大规模城市公共服务热线数据集上进行的实验评估结果,本文所提出的突发事件实时检测算法RAEDetection与实现的应用系统,能够有效地提高突发事件检测的准确率,同时,还具备良好的运行效率与可扩展性,能够满足实际应用的需要。本文工作获得2019年“第七届CCF大数据学术大会”的“最佳应用论文奖”。