[发明专利]响应于满足基于机器学习的条件自动执行计算机动作

说明书

实施方式涉及响应于满足一个或多个基于机器学习(ML)的条件而自动地执行一个或多个计算机动作。一些实施方式涉及确定在自动化界面中渲染哪些基于ML的条件和/或如何在自动化界面中渲染基于机器学习的条件。那些实施方式能够导致定义(多个)计算机动作的(多个)动作条件所需要的用户输入量减少(甚至不需要用户输入)。那些实施方式能够另外地或替代地导致在定义(多个)动作条件的交互的持续时间缩短，这能够减少被用于与界面交互的客户端装置的(多个)组件处于激活和/或在更高功率状态处于激活的持续时间。

背景技术

已经提出了用于响应于满足基于规则的条件而自动执行计算机动作的各种技术。例如，已经提出了用于在满足一个或多个基于规则的条件时将发送到第一电子邮件地址的电子邮件自动转发到另外的电子邮件地址的技术。例如，(多个)基于规则的条件能够包括：电子邮件是从特定电子邮件地址发送的，电子邮件是从特定电子邮件域发送的，电子邮件主题包括某些(多个)词项和/或(多个)其他基于规则的条件。

响应于满足(多个)基于规则的条件而自动执行计算机动作能够减少(或消除)客户端装置处的执行计算机动作将另外需要的(多个)用户输入。进一步地，自动执行能够节省各种客户端装置资源，否则在客户端装置处提供这类(多个)用户输入将导致客户端装置的显示器和/或(多个)其他组件被激活和/或处于更高功率状态。

然而，基于规则的条件单独地能够存在各种缺点。作为一个示例，基于规则的条件必须经由大量用户输入来手动地定义，这能够需要与客户端装置的延长交互以及客户端装置的各种资源的对应延长使用。

作为另一示例，基于规则的条件通常能够被太狭窄地定义，这能够导致触发不足——或者能够被太宽泛地定义，这能够导致过度触发。触发不足能够导致(多个)对应自动动作在其应该被执行的许多情况下未被执行，从而导致在那些情况下仍需要提供(多个)用户输入(以及由此产生的客户端装置资源的利用)。过度触发能够导致对应动作在许多其不应被执行的情况下被执行，从而导致在那些情况下不必要地使用计算和/或网络资源。

此外，触发不足和过度触发能够导致手动地重新定义基于规则的条件，以试图减轻触发不足或过度触发。与定义基于规则的条件一样，重新定义基于规则的条件同样能够导致客户端装置的(多个)组件被激活和/或处于较高功率状态达到延长持续时间。

发明内容

本文中公开的实施方式涉及响应于满足一个或多个基于机器学习(ML)的条件(本文中也称为“基于ML的条件”)而自动地执行一个或多个计算机动作。基于ML的条件是基于预测输出(例如，概率值、值向量)的分析确定满足或不满足的条件，该预测输出是基于使用基于ML的条件的ML模型处理对应数据而生成的。能够生成并利用各种基于ML的条件和对应ML模型。例如，第一基于ML的条件能够是“与动作项电子通信”，并且对应第一ML模型能够被用于处理电子通信的特征以生成指示电子通信是否“具有动作项”的输出。同样，例如，第二基于ML的条件能够是“需要立即关注的电子通信”，并且对应第二ML模型能够被用于处理电子通信的特征以生成指示电子通信是否“需要立即关注”的输出。本文中提供了关于示例ML模型及其训练的另外的细节。

一些实施方式涉及确定在自动化界面中渲染哪些基于ML的条件和/或如何在自动化界面中渲染这些基于ML的条件。自动化界面是能够经由其提供(多个)用户输入以定义(多个)计算机动作和(多个)动作条件(例如，(多个)基于ML的条件和可选地(多个)基于规则的条件)的界面，当满足所述动作条件时，导致(多个)计算机动作的自动执行。如本文中所使用，自动化界面涵盖工作流界面。确定渲染哪些基于ML的条件和/或如何渲染这些基于ML的条件的实施方式能够导致定义(多个)计算机动作的动作条件所需要的用户输入数量减少(甚至不需要用户输入)。那些实施方式能够另外或替代地导致定义(多个)动作条件的交互的持续时间缩短，这能够减少被用于与自动化界面交互的客户端装置的(多个)组件处于激活和/或在更高功率状态处于激活的持续时间。