本研究建基于生命历程理论，基于之前序列(18-55岁)来预测未来生活中的事件（56-60岁）。采用Transformer编码-解码框架，将生活事件视为一个序列数据，类似于句子中的词语，以捕捉其时间模式和关系。我们仅仅使用了11种社会就业状态及其基本的人口信息就开发出了一个简单但通用的模型。我们的Transformer模型在预测生活转变方面达到80%以上的准确率，特别是对于生活路径稳定的个体。它还可以从最近模式中识别出偏差，突出了早期生活经历对未来结果的影响。