摘要
本文概述了提交给2019年WSDM杯Spotify顺序跳过预测挑战赛（团队名称：mimbres）的算法。在该挑战中，提供了会话前半部分的完整信息，包括声学特征和用户交互日志。我们的目标是在仅给出声学特征的情况下，预测会话后半部分的各个曲目是否会跳过。我们提出了两种基于度量学习和序列学习的不同算法。实验结果表明，序列学习方法的表现显著优于度量学习方法。此外，我们还进行了额外的实验，发现使用完整的用户日志信息可以显著提高性能。
代码仓库
mimbres/SeqSkip
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| sequential-skip-prediction-on-mssd | seq1HL (2-stack) | mean average accuracy: 63.7 |
| sequential-skip-prediction-on-mssd | Teacher | mean average accuracy: 84.9 |