我正在尝试为成千上万的用户开发Keras LSTM文本预测模型。我看到的大多数示例都将训练数据汇总到一个模型中，但是如果我想提高每个特定用户的准确性怎么办？
在我的用例中，如果我的用户彼此之间具有截然不同的键入模式，那么为每个用户训练个性化的模型似乎很有意义。
示例： 用户1可能经常键入“我最喜欢的早餐是橘子”，并在键入“ my ...”时经常选择它，但是对于用户2来说，在他们的建议中看到这是一件令人讨厌的事情，并且不希望出现。
但是，在单个张量流服务器中运行数千个模型似乎不切实际。
是否有更好的方法来解决此问题？