近些年来,互联网的快速发展,使得在线社交网络逐渐渗透融合到人们的日常生活中。在线社交网络中的用户因为对于不同事物的关注以及自身所处环境等原因,而聚集在一起形成了群体结构。这些群体结构本身有着个体所不具有的特性。因而,对于社交网络中群体行为的研究吸引着越来越多的学者。其中,有关于群体在时间维度上的变化趋势,也是众多研究热点之一。判断动态网络的演化趋势大致有两种途径:一种是通过判断社团中用户行为的概率来预测网络的全局走势,另一种方法通过检测网络中的社团演变事件来判断网络的发展趋势。本文主要通过分析社交网络在时间维度上群体的行为,提出了基于矩阵的在线社交网络动态事件的检测算法。算法包括对于动态社交网络中事件的定义以及对于事件的检测。首先,我们将社交网络中的六种基本动态事件在集合以及向量的概念上进行定义,将动态事件抽象为与时间有关的数学表达式。然后,基于对动态事件的定义,通过动态事件检测的模型—相关性矩阵来分离出这六种动态事件。最后,将动态事件的检测模型应用在两个数据集上--Facebook和DBLP两个数据集上。检测结果显示,本文提出的算法能够有效的检测在这两个数据集上的演化事件。