論文の概要: The ProfessionAl Go annotation datasEt (PAGE)
- arxiv url: http://arxiv.org/abs/2211.01559v1
- Date: Thu, 3 Nov 2022 02:41:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 13:54:43.429467
- Title: The ProfessionAl Go annotation datasEt (PAGE)
- Title(参考訳): ProfessionAl Go アノテーション datasEt (PAGE)
- Authors: Yifan Gao, Danni Zhang and Haoyue Li
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.1723119892509573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The game of Go has been highly under-researched due to the lack of game
records and analysis tools. In recent years, the increasing number of
professional competitions and the advent of AlphaZero-based algorithms provide
an excellent opportunity for analyzing human Go games on a large scale. In this
paper, we present the ProfessionAl Go annotation datasEt (PAGE), containing
98,525 games played by 2,007 professional players and spans over 70 years. The
dataset includes rich AI analysis results for each move. Moreover, PAGE
provides detailed metadata for every player and game after manual cleaning and
labeling. Beyond the preliminary analysis of the dataset, we provide sample
tasks that benefit from our dataset to demonstrate the potential application of
PAGE in multiple research directions. To the best of our knowledge, PAGE is the
first dataset with extensive annotation in the game of Go. This work is an
extended version of [1] where we perform a more detailed description, analysis,
and application.
- Abstract(参考訳): Goのゲームは、ゲームレコードと分析ツールが不足しているため、非常に研究が進んでいない。
近年,AlphaZeroベースのアルゴリズムの出現とプロの競争が増加し,人間の囲碁を大規模に分析する絶好の機会となっている。
本稿では,2,007人のプロ選手による98,525のゲームを含むProfessionAl Goアノテーションデータ(PAGE)について述べる。
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リングの後、プレイヤーとゲームごとに詳細なメタデータを提供する。
データセットの予備解析の他に、データセットから恩恵を受けるサンプルタスクを提供し、複数の研究方向においてPAGEの潜在的な応用を実証する。
私たちの知る限りでは、PAGEはGoのゲームで広範なアノテーションを備えた最初のデータセットです。
この作業は[1]の拡張バージョンで、より詳細な説明、分析、アプリケーションを実行します。
関連論文リスト
- PlayMyData: a curated dataset of multi-platform video games [2.7498981662768536]
PlayMyDataは、IGDBのWebサイトで収集された99,864のマルチプラットフォームゲームからなる、キュレートされたデータセットである。
専用APIを利用することで、説明、ジャンル、評価、ゲームプレイビデオURL、スクリーンショットなど、各ゲームに関連するメタデータを収集する。
PlayMyDataは、提供されたマルチメディアデータの上に構築されたクロスドメイン調査を促進するために使用できる。
論文 参考訳(メタデータ) (2024-01-16T18:45:38Z) - GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training
Data Exploration [97.68234051078997]
我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。
Jupyter NotebookベースのウォークスルーがGitHubで公開されている。
GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
論文 参考訳(メタデータ) (2023-06-02T12:09:59Z) - Esports Data-to-commentary Generation on Large-scale Data-to-text
Dataset [24.316107750588433]
本稿では,構造化データからゲームコメンタリーを生成するタスクを導入し,この問題に対処する。
まず,一般的なエスポートゲームであるLeague of Legendsの構造化データとコメンテータを用いて,大規模なエスポートデータテキストデータセットを構築した。
エスポートの解説の特徴を考慮し, 評価指標として, 正確性, 流布性, 戦略的深さの3つの側面を含む評価指標を設計する。
論文 参考訳(メタデータ) (2022-12-21T11:23:31Z) - Sports Video Analysis on Large-Scale Data [10.24207108909385]
本稿では,スポーツビデオにおける自動機械記述のモデル化について検討する。
スポーツビデオ分析のためのNBAデータセット(NSVA)を提案する。
論文 参考訳(メタデータ) (2022-08-09T16:59:24Z) - 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) - PGD: A Large-scale Professional Go Dataset for Data-driven Analytics [3.747666374070152]
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。
論文 参考訳(メタデータ) (2022-04-30T12:53:04Z) - Few-Shot Learning on Graphs: A Survey [92.47605211946149]
グラフ表現学習は多くの実世界のアプリケーションで顕著な性能を持つため、大きな注目を集めている。
特定のタスクに対する半教師付きグラフ表現学習モデルは、しばしばラベル空間の問題に悩まされる。
限定的なアノテートデータ問題に直面するパフォーマンス劣化に対処するために,FSLG (Few-shot Learning on graphs) が提案されている。
論文 参考訳(メタデータ) (2022-03-17T13:21:11Z) - 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) - A Survey of Deep Active Learning [54.376820959917005]
アクティブラーニング(AL)は、最も少ないサンプルをマークすることで、モデルの性能向上を最大化しようとする。
ディープラーニング(DL)はデータに対して欲張りであり、大量のパラメータを最適化するために大量のデータ供給を必要とする。
ディープラーニング(Deep Active Learning, DAL)が誕生した。
論文 参考訳(メタデータ) (2020-08-30T04:28:31Z) - TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。
ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。
我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
論文 参考訳(メタデータ) (2020-05-20T21:07:28Z) - Comprehensive Instructional Video Analysis: The COIN Dataset and
Performance Evaluation [100.68317848808327]
包括的インストラクショナルビデオ解析のための大規模データセット「COIN」を提案する。
COINデータセットには、日々の生活に関連する12の領域で180のタスクの11,827の動画が含まれている。
新しい開発ツールボックスでは、すべてのビデオに一連のステップラベルと対応する時間境界がアノテートされる。
論文 参考訳(メタデータ) (2020-03-20T16:59:44Z)
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。