Los eventos de malestar social han sido motivo de preocupación para las personas en varios países. En los últimos años, han surgido eventos de malestar masivo en muchos países. Mientras tanto, las redes sociales se han convertido en un método distintivo para difundir información sobre eventos. Es necesario construir un método efectivo para analizar los eventos de malestar a través de plataformas de redes sociales. Los métodos existentes se centran principalmente en datos bien etiquetados y tienen relativamente poco en cuenta el desarrollo del evento. Este documento propone un marco de detección de eventos integrado basado en entidades para la extracción y análisis de eventos en redes sociales. El marco integra dos módulos. El primer módulo utiliza la tecnología de reconocimiento de entidades nombradas basada en el algoritmo de representación de codificador bidireccional de transformers (BERT) para extraer las entidades relacionadas con el evento y los temas de los eventos de malestar social durante la comunicación en redes sociales. El segundo módulo sugiere el método de agrupamiento K-means y el modelo de tema dinámico (DTM) para el análisis dinámico de estas entidades y temas. Como escenario experimental, la efectividad del marco se demuestra utilizando el foro de discusión de Lihkg y Twitter desde el 1 de agosto de 2019 hasta el 31 de agosto de 2020. Además, se realiza un experimento comparativo para revelar las diferencias entre los usuarios chinos en Lihkg y Twitter para estudios comparativos en redes sociales. Los resultados del experimento de alguna manera indican la característica de los eventos de malestar social que se pueden encontrar en las redes sociales.