本論文では、WSDM Cup 2019 Spotify Sequential Skip Prediction Challenge（チーム名：mimbres）に提出されたアルゴリズムの概要を提供する。このチャレンジにおいては、聴取セッションの前半に関する音響特徴量やユーザインタラクションログを含む完全な情報が提供される。我々の目標は、音響特徴量のみが与えられた状況下で、セッションの後半における個々のトラックがスキップされるかどうかを予測することである。我々は、計量学習とシーケンス学習に基づく2種類の異なるアルゴリズムを提案した。実験結果は、シーケンス学習アプローチが計量学習アプローチよりも著しく優れた性能を示していることを示した。さらに、追加実験を行い、ユーザログ情報の完全な利用により著しい性能向上が達成できることを見出した。