当使用默认建议模型不合理时使用临时机器学习模型生成能够选择的建议

摘要

本文阐述的实施方式涉及在生成能够选择的建议时选择性地依赖(多个)附加建议模型，同时还保持对默认建议模型的访问。能够使用一个或多个附加的多域机器学习(ML)模型来生成能够选择的建议，该模型对于客户端应用来说是可选的，而不管默认建议模型是否对生成合适的建议仍然有用。在一些实施方式中，由于客户端应用采用各种附加的多域ML模型，特定模型能够至少基于用户反馈和/或其他数据被标识为改进客户端应用的建议。然后能够选择特定模型以替换和/或补充默认建议模型，以便提供更准确的建议，当这些建议被选择时初始化能够节省时间和计算资源的动作。