常微分方程式（ODE）は，様々な科学分野における現象の解釈を可能にする．ODEは多くの場合，数値データに適用されるが，われわれは連続時間上で発生する離散的なイベント系列（時間点過程）に対するODEによるモデリング手法を提案した（Miyazawa and Mochihashi, 2023）．そこではODEによって記述される非線形力学系の構成要素の種類を示す，ラベル付きのイベント系列を要するが，現実にはこうしたラベルを明示的に持たない純粋なイベント系列も多い．一方で，特許出願における発明の抄録など，現実のイベントデータはしばしば付随する共変量を持ち，マークと呼ばれるこれらの情報は潜在的なイベント種の識別に有用である．そこで本研究では，ODEの構成要素を示すラベルを持たないイベント系列に対し，マークを用いて潜在的なイベント種を推定しつつ，ODEによってデータの生成過程をモデル化する方法を提案する．人工データにより提案手法が潜在イベント種およびODEパラメータを推定して復元できることを確認し，USPTO特許出願データを用いて提案手法の実問題への適用可能性を確認した．
