在本文中,我们报告了我们最近在腾讯基于移动应用使用的用户建模的实践。用户对移动应用的使用行为,包括保留、安装和卸载,可以很好地反映用户的长期和短期兴趣。例如,如果用户最近安装了Snapseed,她可能对摄影越来越感兴趣。这些信息对于许多下游应用程序是有价值的,包括广告、推荐等。传统上,基于移动应用程序使用情况的用户建模很大程度上依赖于手工制作的特征工程,这需要对不同的下游应用程序进行繁重的人工工作,如果没有领域专家的话,可能不是最优的。然而,基于移动应用使用的自动用户建模面临着独特的挑战,包括(1)保留、安装和卸载异构,需要集中建模,(2)用户行为随时间分布不均,(3)许多长尾应用存在严重的稀疏性。在本文中,我们提出了一个定制的自编码器耦合Transformer 网络(AETN),通过它我们克服了这些挑战,并实现了减少人工劳动和提高性能的目标。我们在腾讯部署了该模型,从下游应用的多个域进行的在线/离线实验都证明了用户嵌入输出的有效性。