マーク付き時点過程（MTPP）は、マークされたイベントストリームのイベント分布をモデル化するために広く研究されており、次のイベントのマークや到着時間の予測に利用されます。しかし、多くの実世界の応用において、イベントマークの分布が著しく不均衡であることが見落とされています。特に、頻繁に発生するマークと稀なマークが混在しており、この不均衡は次のイベント予測のパフォーマンスに大きな課題をもたらします。本研究では、マークの予測を最適化するために、マークの事前確率で正規化されたマーク確率を調整する閾値決定手法を提案します。この手法では、まずマークを予測し、その後に時間を予測します。また、計算負担の大きい数値不適切積分を行わずにマーク確率の効果的な時間サンプリングと推定を支援する新しいニューラルMTPPモデルを開発しました。実世界のデータセットでの広範な実験により、次のイベントのマークと時間予測において優れたパフォーマンスを示しました。