초록
본 논문은 2019 WSDM 컵 스포티파이 시퀀셜 스킵 예측 챌린지(WSDM Cup 2019 Spotify Sequential Skip Prediction Challenge)에 제출된 알고리즘의 개요를 제공합니다(팀 이름: mimbres). 이 챌린지에서는 청취 세션의 첫 번째 절반에 대한 음향 특성 및 사용자 상호작용 로그와 같은 완전한 정보가 제공됩니다. 우리의 목표는 두 번째 절반의 세션에서 개별 트랙들이 스킵될 것인지 여부를 예측하는 것이며, 이는 오직 음향 특성만을 주어진 상태에서 이루어집니다. 우리는 메트릭 학습과 시퀀스 학습을 기반으로 하는 두 가지 다른 종류의 알고리즘을 제안하였습니다. 실험 결과, 시퀀스 학습 접근법이 메트릭 학습 접근법보다 유의미하게 더 우수한 성능을 보였습니다. 또한, 추가적인 실험을 통해 완전한 사용자 로그 정보를 사용할 경우 유의미한 성능 향상이 가능함을 확인하였습니다.