本研究提出了一种可解释的水分配网络事件诊断框架，旨在提高事件检测的准确性。通过反事实解释，帮助操作员结合算法结果与经验，增强决策的可靠性和透明度。

本研究探讨了手术室流程优化中的隐私问题，提出了一种基于数字双胞胎的隐私保护视频分析和事件检测方法。该方法在手术事件检测方面优于传统模型，有助于去标识数据共享，提升模型的通用性。

本文提出了一种新混合方法FIG，旨在解决领域特定事件检测中的数据不足问题。FIG结合正向与反向生成技术，显著提高了事件检测的准确性，F1得分在零样本和少样本设置下分别提升3.3%和5.4%。

MAVEN-Arg是一个全方位支持事件理解的数据集，包括事件检测、参数提取和关系提取。它提供了全面的架构、大规模数据和详尽的标注。对于事件参数提取模型和大型语言模型具有挑战，并展示了未来事件预测的潜在应用。

该研究提出了一种基于搜索的神经网络结构预测模型，用于嵌套和重叠事件检测任务。该模型在 BioNLP 癌症遗传学共享任务 2013 上表现出与 TEES 模型可比的性能，同时具有更高的计算效率。