Sequentielle Übersprungsvorhersage mit Few-Shot im gestreamten Musikinhalt

Dieses Papier bietet einen Überblick über die Algorithmen, die für den WSDM Cup 2019 Spotify Sequential Skip Prediction Challenge (Teamname: mimbres) eingereicht wurden. Im Rahmen dieser Herausforderung werden vollständige Informationen, einschließlich akustischer Merkmale und Nutzerinteraktionsprotokolle für die erste Hälfte einer Hörsitzung bereitgestellt. Unser Ziel besteht darin, vorherzusagen, ob die einzelnen Titel in der zweiten Hälfte der Sitzung übersprungen werden oder nicht, wobei uns nur die akustischen Merkmale zur Verfügung stehen. Wir schlugen zwei verschiedene Arten von Algorithmen vor, die auf metrischem Lernen und sequentiellem Lernen basieren. Die experimentellen Ergebnisse zeigten, dass der sequentielle Lernansatz erheblich bessere Leistungen erzielte als der metrische Lernansatz. Darüber hinaus führten wir zusätzliche Experimente durch, um herauszufinden, dass eine signifikante Leistungssteigerung durch die Verwendung vollständiger Nutzerprotokollinformationen erreicht werden kann.