基于会话中曲目声学特征的提升树跳过预测
信息检索
2019-03-29 v1
摘要
Spotify 序列跳过预测挑战赛聚焦于预测会话中的某首曲目是否会被用户跳过。本文中，我们描述了解决该问题的方法以及我们来自音乐技术组（MTG）以“aferraro”为名提交给挑战赛的最终系统。该系统结合了多个提升树模型的预测，这些模型使用从会话和曲目中提取的特征进行训练。所提出的方法取得了良好的总体性能（MAA 为 0.554），我们的模型在最终排行榜上超过 600 份提交中排名第 14。
关键词
引用
@article{arxiv.1903.11833,
title = {Skip prediction using boosting trees based on acoustic features of tracks in sessions},
author = {Andrés Ferraro and Dmitry Bogdanov and Xavier Serra},
journal= {arXiv preprint arXiv:1903.11833},
year = {2019}
}