我有一个训练集，其中每一行是网站上的一系列用户操作（登录、发送发票等）以及这些操作之间的时间增量（以毫秒为单位）。每行都有一个标签——一个相应的用户类（10 个类）：

action132, 2340, action21, 300, ...  3
action238, 1240, action22, 350, ...  6
...
action763, 1240, action42, 750, ...  2 

比如说，我有 500 种独特的动作类型，每一行的长度都是可变的。最大序列长度为 100k，训练集中有 10k 行（10k 个用户）。

我需要预测测试集的标签。

如果我只有动作序列，这将是一个更容易理解的任务，类似于文本分类的 DNA 序列分类，通常使用 LSTM/CNN 模型或转换器来解决。但在我的问题中，这些时间增量是用户行为的良好指标，我想利用这些功能。此外，动作顺序也很重要。

解决这个问题的有效模型是什么？