使用领域专家构建金融专业事件字典，并自动从金融新闻中提取精细的事件信息，并设计神经模型将金融新闻与精细的事件结构和股票交易数据相结合，预测股票运动，实验结果表明，该方法胜过所有基准线，并具有良好的泛化能力。
Oct, 2019
本文提出了一种新的任务，中间级别的重要事件检测，旨在从新闻语料库中检测在特定时间 / 位置发生的关键事件，并聚焦于相同的主题。为了解决这些挑战，我们开发了一个无监督的重要事件检测框架 EvMine，它提取时间频繁的 peak 短语，通过从我们设计的 peak 短语图中检测社区将 peak 短语合并成事件相关的特征集，使用从事件相关特征集自动生成的伪标签训练分类器，并利用检索到的文档迭代检测到的关键事件。
Jun, 2022
本文探讨了如何从文本中挖掘事件和附带信息，主要应用了机器学习技术进行事件检测和摘要，并讨论了在医学和 Twitter 上运用的应用和未来挑战
Jan, 2016
本文提出了一个完整的框架，通过转移学习的有效性，从 CrudeOilNews 语料库中提取和处理与原油相关的事件，解决了注释稀缺和类别不平衡的问题，除了事件提取，还着重于事件属性（极性、情态和强度）分类，以确定每个事件的事实确定性，这对于如商品价格预测、摘要等下游任务非常有用。
May, 2022
本论文提出一种利用外部常识知识的方法，增强文本中提取的事件表示的有效性，实验结果表明该方法在事件相关任务中表现良好，如事件相似度计算、脚本事件预测和股票市场预测等方面得到了显著优化。
Sep, 2019
社交媒体为时事趋势和事件提供了便捷获取信息的平台，我们通过开发一个提取和分析社交媒体帖子中流行病相关事件的框架，利用事件检测技术实现更好的灾害预防和预警，为新兴流行病的应对提供了基础。
Apr, 2024
本研究基于用户评论、文本会话和电话会话等多种非正式、异构数据，提出了一个大规模的汉语事件检测数据集，并通过实验证明了非正式和异构数据的挑战性，为多源非正式事件检测提供了新的探索。
Nov, 2022
本文提出了一种 Semantic Pivoting Model for Effective Event Detection (SPEED)—— 显式地在训练期间整合先前信息，捕捉输入与事件之间语义上的相关性，在多个设置中取得最先进的性能，并优于基线方法而不使用任何外部资源。
该研究旨在分析自然语言文本，利用语义注释挖掘文本语料库中的重要事件，解锁语料库中的知识宝库，并就如何识别重要事件、进行语义搜索和事件分析等问题进行了探讨。
Mar, 2016
本文提出了一种三阶段方法，通过半监督的深度聚类模型和异常检测，结合聚类关键字提取方法，对金融领域中现有事件数据集中原有和未知事件类型的分类和聚类，从而通过增量方式发现新的事件类型，并在真实数据集中取得了显著成效。
Feb, 2023