Prédiction Séquentielle de Sauts avec Apprentissage par Quelques Exemples dans les Contenus Musicaux en Streaming

Ce document présente un aperçu des algorithmes soumis au défi WSDM Cup 2019 Spotify Sequential Skip Prediction (nom de l'équipe : mimbres). Dans ce défi, des informations complètes, incluant les caractéristiques acoustiques et les journaux d'interaction utilisateur pour la première moitié d'une session d'écoute, sont fournies. Notre objectif est de prédire si les pistes individuelles de la seconde moitié de la session seront ignorées ou non, en ne disposant que des caractéristiques acoustiques. Nous avons proposé deux types d'algorithmes différents basés sur l'apprentissage par métrique et l'apprentissage séquentiel. Les résultats expérimentaux ont montré que l'approche par apprentissage séquentiel performait significativement mieux que l'approche par apprentissage par métrique. De plus, nous avons mené des expériences supplémentaires qui ont révélé qu'un gain de performance significatif peut être obtenu en utilisant des informations complètes issues des journaux d'interaction utilisateur.