随着计算机技术的发展和Web2.0时代的到来,尤其是近期互联网+概念的提出,互联网应用已经覆盖到了人们生活的每一个角落。社交网络服务（Social Network Service/Site,SNS）作为互联网的典型应用,也逐渐渗透到了社会的方方面面,给人们的生活和工作带来了极大的便利。微博作为最热门的社交网络平台之一,凭借其准入门槛低、操作简单、原创性高以及实时性的特点,已经逐渐改变了人们获取和分享信息的方式。人们可以在不受时间和地点的约束下,实时发布自己的所见所闻,并借助于微博的转发和评论机制,迅速而广泛的传播这些信息。但是,由于进入微博的门槛很低,任何用户都可以在微博平台上自由的发布言论,并在微博上自由而广泛地传播。谣言也不例外,例如2011年的“抢盐危机”在微博上迅速发酵,直接导致全国范围内的食盐供给紧张,并且盐价疯涨,严重影响百姓的日常生活。为了更好的关注社会动态和引导社会舆论,对微博系统进行热点事件的检测是十分必要的。按照当前对微博进行热点事件的检测,一般为聚类的方法。在聚类的过程中需要计算文本相似度,当微博数据量较大时,聚类的效率就会下降,并且在聚类完成后还需要进行事件摘要的抽取,该步骤也会影响事件检测的精确度。本文提出了一种基于三值的命题投影时序逻辑（Propositional Projection Temporal Logic,PPTL）PPTL₃的微博热点社会事件运行时验证方法。首先,对微博中的热点社会事件进行研究,得到其独有的性质,并定义相应的原子命题,然后将原子命题组合起来得到描述此性质的公式,随后构建性质公式的监控器;接着,使用网络爬虫抓取微博数据,并进行预处理提取所需的信息保存到文件中;然后,依次读取微博数据文件,根据每个文件中的微博信息确定原子命题的真值,并组合成表示系统路径的状态公式作为监控器的输入,根据监控器的输出,得到符合性质的微博,即为检测出的热点社会事件。通过使用真实的新浪微博数据,与single-pass、HAC和K-means三种常用的事件检测方法进行比较,来测试该方法的有效性,实验结果表明,该方法能够有效的检测出微博中部分热点社会事件。