論文の概要: PGD: A Large-scale Professional Go Dataset for Data-driven Analytics
- arxiv url: http://arxiv.org/abs/2205.00254v1
- Date: Sat, 30 Apr 2022 12:53:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-03 13:20:21.318831
- Title: PGD: A Large-scale Professional Go Dataset for Data-driven Analytics
- Title（参考訳）: PGD - データ駆動分析のための大規模プロフェッショナルGoデータセット
- Authors: Yifan Gao
- Abstract要約: 本稿では,1950年から2021年までの2,148人のプロ選手による98,043のゲームを含むProfessional Goデータセットを作成する。
データセットには、高度なAlphaZeroベースのAIによって評価されたマッチングにおける各動きの分析結果が含まれている。
メタ情報の完全化とゲーム内機能の構築により,結果予測システムは75.30%の精度を実現した。
- 参考スコア（独自算出の注目度）: 3.747666374070152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lee Sedol is on a winning streak--does this legend rise again after the
competition with AlphaGo? Ke Jie is invincible in the world championship--can
he still win the title this time? Go is one of the most popular board games in
East Asia, with a stable professional sports system that has lasted for decades
in China, Japan, and Korea. There are mature data-driven analysis technologies
for many sports, such as soccer, basketball, and esports. However, developing
such technology for Go remains nontrivial and challenging due to the lack of
datasets, meta-information, and in-game statistics. This paper creates the
Professional Go Dataset (PGD), containing 98,043 games played by 2,148
professional players from 1950 to 2021. After manual cleaning and labeling, we
provide detailed meta-information for each player, game, and tournament.
Moreover, the dataset includes analysis results for each move in the match
evaluated by advanced AlphaZero-based AI. To establish a benchmark for PGD, we
further analyze the data and extract meaningful in-game features based on prior
knowledge related to Go that can indicate the game status. With the help of
complete meta-information and constructed in-game features, our results
prediction system achieves an accuracy of 75.30%, much higher than several
state-of-the-art approaches (64%-65%). As far as we know, PGD is the first
dataset for data-driven analytics in Go and even in board games. Beyond this
promising result, we provide more examples of tasks that benefit from our
dataset. The ultimate goal of this paper is to bridge this ancient game and the
modern data science community. It will advance research on Go-related analytics
to enhance the fan experience, help players improve their ability, and
facilitate other promising aspects. The dataset will be made publicly
available.
- Abstract（参考訳）: リー・セドル選手は,AlphaGoとの競争の後,この伝説が再び盛り上がっている。キージー選手は世界選手権で無敵だ。今回はまだ優勝できるのか?
goは東アジアで最も人気のあるボードゲームの一つで、中国、日本、韓国で何十年も続いている安定したプロスポーツシステムを備えている。
サッカー、バスケットボール、eスポーツなど、多くのスポーツには成熟したデータ駆動分析技術がある。
しかし、データセット、メタ情報、ゲーム内統計の欠如により、Goのこのようなテクノロジの開発は簡単で難しいままである。
本稿では1950年から2021年までの2,148人のプロ選手による98,043のゲームを含むプロフェッショナル囲碁データセット(PGD)を作成する。
手動のクリーニングとラベリングの後、プレイヤー、ゲーム、トーナメントごとに詳細なメタ情報を提供します。
さらに、データセットは、高度なalphazeroベースのaiによって評価されたマッチの各移動の分析結果を含む。
PGDのベンチマークを確立するために,ゲーム状態を示すGoに関する事前知識に基づいて,さらにデータを分析し,意味のあるゲーム内特徴を抽出する。
メタ情報の完全化とゲーム内機能の構築により,結果予測システムは75.30%の精度を達成し,最先端のアプローチ(64%-65%)よりもはるかに高い精度を実現した。
私たちが知る限り、PGDはGoやボードゲームにおけるデータ駆動分析のための最初のデータセットです。
この有望な結果に加えて、データセットの恩恵を受けるタスクの例も提供します。
本稿の最終的な目標は、この古代ゲームと現代のデータサイエンスコミュニティを橋渡しすることである。
Go関連の分析研究を進め、ファンエクスペリエンスを高め、プレイヤーの能力向上を支援し、他の有望な側面を促進する。
データセットは一般公開される予定だ。
関連論文リスト
- A Framework for Spatio-Temporal Graph Analytics In Field Sports [43.148818844265236]
本研究では,フィールドスポーツのためのタイムウィンドな空間活動グラフ(TWG)を構築するためのアプローチを提案する。
ゲーリックフットボールの試合から得られたGPSデータを用いて,我々のアプローチをどのように活用できるかを実証する。
論文 参考訳（メタデータ） (2024-05-31T15:28:03Z) - Impact of a Batter in ODI Cricket Implementing Regression Models from
Match Commentary [0.0]
本研究は,プレイヤーがどのような状況でどれだけコントロールしているかを判断することで,このインパクトのあるパフォーマンスの背景にある欠点を理解することを目的とする。
私たちはOne Day Internationalの3人の著名なクリケット選手(Rohit G Sharma、David A Warner、Kene S Williamson)のキャリアに関するデータを収集しました。
我々は、各プレイヤーのデータに対して、複数の線形回帰(MLR)、ポリノミアル回帰、サポートベクトル回帰(SVR)、決定木回帰、ランダムフォレスト回帰を個別に使用し、プレイヤーがゲームに与える影響を予測する。
論文 参考訳（メタデータ） (2023-02-22T06:42:20Z) - The ProfessionAl Go annotation datasEt (PAGE) [3.1723119892509573]
ProfessionsEtデータセットは,2,007人のプロ選手がプレイし,70年以上にわたる98,525のゲームを含む。
データセットには、動きごとにリッチなAI分析結果が含まれている。さらに、PAGEは、手作業によるクリーニングとラベル付けの後に、すべてのプレイヤーとゲームに詳細なメタデータを提供する。
論文 参考訳（メタデータ） (2022-11-03T02:41:41Z) - DanZero: Mastering GuanDan Game with Reinforcement Learning [121.93690719186412]
カードゲームAIは、人工知能の研究において常にホットな話題となっている。
本稿では,より複雑なカードゲームであるGuanDanのためのAIプログラムの開発に専念する。
そこで我々は,強化学習技術を用いたGuanDanのためのAIプログラムDanZeroを提案する。
論文 参考訳（メタデータ） (2022-10-31T06:29:08Z) - ESTA: An Esports Trajectory and Action Dataset [0.0]
我々はエスポートデータを用いて、勝利予測のための機械学習モデルを開発する。
Awpyはオープンソースのライブラリで、プレイヤーの軌跡やアクションをゲームログから抽出できる。
ESTAは、これまでで最大かつ最も細かく公開されているスポーツデータセットの1つである。
論文 参考訳（メタデータ） (2022-09-20T17:13:50Z) - GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win
Prediction in Esports [84.55775845090542]
本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。
GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。
本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
論文 参考訳（メタデータ） (2022-07-26T21:38:07Z) - SC2EGSet: StarCraft II Esport Replay and Game-state Dataset [0.0]
この研究は、StarCraft II esportsトーナメントから生のファイルと事前処理されたファイルを提供することで、幅広い科学コミュニティにエスポートを開放することを目的としている。
トーナメントマッチをゲームエンジンで生成し,低レベルアプリケーションプログラミングインタフェース(API)ライブラリを用いてデータ抽出を行った。
私たちのデータセットには、2016年以来のスタークラフトIIトーナメントのメジャーおよびプレミアのリプレイが含まれています。
論文 参考訳（メタデータ） (2022-07-07T16:52:53Z) - CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
現代自然言語理解モデルの能力をテストするベンチマークを構築した。
本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
論文 参考訳（メタデータ） (2022-01-14T06:49:15Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳（メタデータ） (2020-11-18T10:26:02Z) - Collection and Validation of Psychophysiological Data from Professional
and Amateur Players: a Multimodal eSports Dataset [7.135992354416602]
リーグ・オブ・レジェンズ(League of Legends)ビデオゲームのプロチームとアマチュアチームから収集したデータセットを40時間以上の録音で提示する。
記録にはプレイヤーの生理活動、動き、脈拍、ササード、様々なセンサーから得られる。
このデータセットの重要な特徴は、5人のプレーヤーによる同時データ収集であり、チームレベルでのセンサーデータの分析を容易にする。
論文 参考訳（メタデータ） (2020-11-02T13:25:11Z) - Interpretable Real-Time Win Prediction for Honor of Kings, a Popular
Mobile MOBA Esport [51.20042288437171]
本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。
実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
論文 参考訳（メタデータ） (2020-08-14T12:00:58Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。