التنبؤ بالأحداث على المدى الطويل مهم في مجالات متنوعة، بما في ذلك البيع بالتجزئة والمال والرعاية الصحية والشبكات الاجتماعية. غالبًا ما تعتمد الطرق التقليدية، مثل العمليات الزمنية النقطية المميزة (MTPP)، على نماذج ذاتية الانحدار للتنبؤ بعدة أحداث مستقبلية. ومع ذلك، فإن هذه النماذج غالبًا ما تعاني من مشاكل مثل التقارب إلى مخرجات ثابتة أو متكررة، مما يحد من فعاليتها وقابلية تطبيقها بشكل عام. لحل هذه التحديات، نقدم DeTPP (العمليات الزمنية النقطية القائمة على الكشف)، وهي طريقة جديدة مستوحاة من تقنيات كشف الأشياء في رؤية الحاسوب. يستخدم DeTPP دالة خسارة فريدة قائمة على التطابق والتي تركز بشكل انتقائي على الأحداث التي يمكن التنبؤ بها بثقة، مما يحسن دقة ومتنوعة التنبؤات أثناء الاستدلال. تُنشئ طرقتنا حالة جديدة من الفن الرفيع في التنبؤ بالأحداث على المدى الطويل، حيث تحقق تحسينًا نسبيًا بنسبة تصل إلى 77% مقارنة بالطرق الحالية MTPP و next-K. كما أن الطريقة الهجينة المقترحة تزيد من دقة التنبؤ بالحدث التالي بنسبة تصل إلى 2.7% على مجموعة بيانات معاملات كبيرة. ومن الجدير بالذكر أن DeTPP تعد أيضًا واحدة من أسرع الطرق للاستدلال. يتم توفير تنفيذ DeTPP بشكل علني على GitHub.