本研究提出了一种基于BERT架构的自然语言处理分析工具，能够有效进行事件序列压缩、模式检测和异常识别，从而提高软件系统的可靠性和稳定性。

本研究提出了连续轨迹的神经常微分方程模型，通过引入负反馈机制解决了现代方法在建模事件序列时的不足，性能达到最先进水平，AUROC提升20%。

ADD-THIN是一种基于整个事件序列的原则性概率去噪扩散模型，可以自然地处理具有离散和连续分量的数据。实验表明，该模型在密度估计方面与最先进的TPP模型相匹配，并在预测方面明显优于它们。