流式音乐内容中基于少样本的顺序跳过预测
信息检索
2020-10-27 v2 机器学习
声音
音频与语音处理
摘要
本文概述了为 WSDM Cup 2019 Spotify 顺序跳过预测挑战赛（团队名：mimbres）所提交的算法。在该挑战中，提供了聆听会话前半段的完整信息，包括声学特征和用户交互日志。我们的目标仅依据声学特征，预测会话后半段中各首曲目是否会被跳过。我们提出了基于度量学习和序列学习的两类不同算法。实验结果表明，序列学习方法的性能显著优于度量学习方法。此外，我们进行了额外实验，发现使用完整的用户日志信息可取得显著的性能提升。
引用
@article{arxiv.1901.08203,
title = {Sequential Skip Prediction with Few-shot in Streamed Music Contents},
author = {Sungkyun Chang and Seungjin Lee and Kyogu Lee},
journal= {arXiv preprint arXiv:1901.08203},
year = {2020}
}
备注
4 pages, ACM International Conference on Web Search and Data Mining (WSDM) Cup 2019 Workshop, February 2019, Melbourne, Australia