METHODS AND APPARATUSES FOR ENABLING SELECTION OF A MACHINE LEARNING MODEL FOR USE IN PROVIDING A SERVICE

Embodiments described herein relate to methods and apparatuses for enabling selection of a selected machine learning, ML, model for use in providing a service. A method in a model selection function comprises obtaining an indication of a plurality of ML models and a set of parameters with associated values representative of a context for the service; determining, based on the set of parameters with associated values, at least one applicable selection rule, wherein each applicable selection rule is associated with a logical expression which, when evaluated over one or more of the set of parameters, is true, and wherein each applicable selection rule comprises selection weighting values, wi, indicating weightings to be applied to respective features, featurei, in determining respective ranks of the plurality of ML Models, wherein each respective feature comprises a input feature for at least one of the plurality of ML models; for each first ML model in the plurality of ML models: obtaining global weighting values, ui, indicating relative impacts of the respective features when the first ML model outputs predictions; and determining a model rank of the first ML model from the global weighting values and the selection weighting values; and initiating use of the selected ML model from one or more candidate ML models based on the respective model ranks of the one or more candidate ML models. Des modes de réalisation de la présente invention concernent des procédés et des appareils permettant la sélection d'un modèle d'apprentissage automatique (ML) sélectionné à utiliser dans la fourniture d'un service. Un procédé dans une fonction de sélection de modèle consiste à obtenir une indication d'une pluralité de modèles ML et un ensemble de paramètres comportant des valeurs associées représentant un contexte pour le service ; à déterminer, en fonction de l'ensemble de paramètres comportant des valeurs associées, au moins une règle de sélection applicable, chaque règle de sélection applicable étant associée à une expression logique qui, lorsqu'elle est évaluée sur un ou plusieurs paramètres de l'ensemble de paramètres, est vraie, et chaque règle de sélection applicable comprenant des valeurs de pondération de sélection (wi) indiquant des pondérations à appliquer à des caractéristiques respectives (featurei) dans la détermination de rangs respectifs de la pluralité de modèles ML, chaque caractéristique respective comprenant une caractéristique d'entrée pour au moins un