我正在寻找一种算法，分别是一种在某个程序中学习用户操作（输入）的方法，并基于已完成的用户操作的构建信息库，为用户提供未来操作的建议。信息库应该由使用同一软件的多个用户的操作构建而成。用户操作取决于它们发生的顺序。这意味着，应该根据会话中已经完成的用户操作来提出建议。会话是一个抽象的时间段，用户在其中使用软件。
在我最初的方法中，我考虑在有向图中对用户操作进行建模，其中每个节点代表一个唯一的用户操作实例。第一次完成的用户操作会生成一个新节点。节点有一个计数器，表示用户执行此用户操作的频率。当用户操作在另一个节点之后完成时，存在从一个节点到另一个节点的转换（对用户操作序列建模）。对于每个转换，概率是基于后续节点（即，存在转换的节点）的计数器计算的。有一个根节点作为起点，指向所有初始节点（用户操作在会话中首先完成）。这可能是一个（隐藏的）马尔可夫模型，但我不确定。它绝对不是贝叶斯网络，因为它可以是循环图（可取）。
这个问题是否已经有方法、算法、库等？如果没有，我的方法如何？任何替代方案，更好的想法？