論文の概要: Transformer-Based Neural Marked Spatio Temporal Point Process Model for
Football Match Events Analysis
- arxiv url: http://arxiv.org/abs/2302.09276v1
- Date: Sat, 18 Feb 2023 10:02:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 19:33:26.863022
- Title: Transformer-Based Neural Marked Spatio Temporal Point Process Model for
Football Match Events Analysis
- Title（参考訳）: サッカーマッチイベント分析のためのトランスフォーマーに基づくニューラルマーク時空間過程モデル
- Authors: Calvin C. K. Yeung, Tony Sit, Keisuke Fujii
- Abstract要約: 本稿では,ニューラル・テンポラル・ポイント・プロセス・フレームワークに基づくフットボール・イベント・データのモデルを提案する。
検証のために,サッカーチームの最終ランキング,平均ゴールスコア,シーズン平均xGとの関係を検討した。
平均HPUSはゴールやショットの詳細を使わずとも有意な相関を示した。
- 参考スコア（独自算出の注目度）: 0.6946929968559495
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: With recently available football match event data that record the details of
football matches, analysts and researchers have a great opportunity to develop
new performance metrics, gain insight, and evaluate key performance. However,
most sports sequential events modeling methods and performance metrics
approaches could be incomprehensive in dealing with such large-scale
spatiotemporal data (in particular, temporal process), thereby necessitating a
more comprehensive spatiotemporal model and a holistic performance metric. To
this end, we proposed the Transformer-Based Neural Marked Spatio Temporal Point
Process (NMSTPP) model for football event data based on the neural temporal
point processes (NTPP) framework. In the experiments, our model outperformed
the prediction performance of the baseline models. Furthermore, we proposed the
holistic possession utilization score (HPUS) metric for a more comprehensive
football possession analysis. For verification, we examined the relationship
with football teams' final ranking, average goal score, and average xG over a
season. It was observed that the average HPUS showed significant correlations
regardless of not using goal and details of shot information. Furthermore, we
show HPUS examples in analyzing possessions, matches, and between matches.
- Abstract（参考訳）: 最近利用可能になったフットボールの試合のイベントデータによって、アナリストや研究者は新しいパフォーマンス指標を開発し、洞察を得て、重要なパフォーマンスを評価する絶好の機会がある。
しかし、ほとんどのスポーツシーケンシャルなイベントモデリング手法やパフォーマンスメトリクスアプローチは、このような大規模な時空間データ(特に時間的プロセス)を扱う際には理解できないため、より包括的な時空間モデルと全体的パフォーマンス指標を必要とする。
そこで我々は,ニューラル・テンポラル・ポイント・プロセス(NTPP)に基づくフットボール・イベントデータのためのトランスフォーマー・ベース・ニューラルマーク付き時空間ポイント・プロセス(NMSTPP)モデルを提案した。
実験では,本モデルがベースラインモデルの予測性能より優れていた。
さらに,より包括的なサッカー所有分析のために,総合所有率(hpus)指標を提案した。
検証のために、サッカーチームの最終ランキング、平均ゴール得点、平均xgとの関係について検討した。
平均HPUSは, 目標やショット情報の詳細を使わずとも, 有意な相関を示した。
さらに,HPUSを例に,所有物,マッチ,マッチ間の分析を行った。
関連論文リスト
- Estimating Player Performance in Different Contexts Using Fine-tuned Large Events Models [0.7373617024876725]
本稿では,Large Event Models (LEM) のサッカー解析への応用について紹介する。
LEMは、単語ではなく、後続のイベントの変数を予測する。
我々は、2017-18シーズンのプレミアリーグシーズンのWyScoutデータセットによる微調整LEMに焦点を当てている。
論文 参考訳（メタデータ） (2024-02-09T22:47:25Z) - Deep Generative Multi-Agent Imitation Model as a Computational Benchmark
for Evaluating Human Performance in Complex Interactive Tasks: A Case Study
in Football [0.0]
本研究では,大人数選手と球追跡データセットに基づいて,条件付き変動リカレントニューラルネットワーク(VRNN)モデルに基づく生成モデルを訓練する。
トレーニング済みのConditional VRNN Modelは、チームのパフォーマンスを評価するベンチマークとして使用される。
論文 参考訳（メタデータ） (2023-03-23T15:01:52Z) - Explainable expected goal models for performance analysis in football
analytics [5.802346990263708]
本報告では,2014-15年と2020-21年の7シーズンから315,430発のショットをトレーニングした,欧州サッカーリーグのトップ5のゴールモデルを提案する。
我々の知る限りでは、この論文は、プロファイルを集約した説明可能な人工知能ツールの実用的な応用を実証した最初の論文である。
論文 参考訳（メタデータ） (2022-06-14T23:56:03Z) - CEP3: Community Event Prediction with Neural Point Process on Graph [59.434777403325604]
グラフニューラルネットワークとマーク付き時間点プロセス(MTPP)を組み合わせた新しいモデルを提案する。
実験では,モデルの精度と訓練効率の両面から,モデルの優れた性能を実証した。
論文 参考訳（メタデータ） (2022-05-21T15:30:25Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳（メタデータ） (2022-04-14T12:22:12Z) - Automatic event detection in football using tracking data [0.0]
本研究では,すべての選手と球の座標の追跡データを用いて,サッカーイベントを自動的に抽出するフレームワークを提案する。
提案手法は, 1) ボールが保持されていない時間間隔において, ボールが保持されているかのモデルと, ボールが保持されていない時間間隔の異なる選手構成の2つのモデルから成り立っている。
論文 参考訳（メタデータ） (2022-02-01T23:20:40Z) - Linking Across Data Granularity: Fitting Multivariate Hawkes Processes to Partially Interval-Censored Data [50.63666649894571]
一部の応用では、ある次元における個々の事象のタイムスタンプは観測不可能であり、インターバル内の事象数のみが知られている。
本研究では,MHPとパラメータ等価性を共有し,タイムスタンプデータとインターバルセンサデータの両方を効果的にモデル化できる新たなポイントプロセスを提案する。
合成および実世界のデータセットを用いてPCMHPの能力を実証する。
論文 参考訳（メタデータ） (2021-11-03T08:25:35Z) - Evaluation of soccer team defense based on prediction models of ball
recovery and being attacked [0.8921166277011345]
本研究では,ボールの回復と攻撃の予測に基づいて,チーム防御を評価する手法を提案する。
45試合のデータを用いて,提案する指標とチームパフォーマンスの関係を検討した。
論文 参考訳（メタデータ） (2021-03-17T13:15:41Z) - RMS-Net: Regression and Masking for Soccer Event Spotting [52.742046866220484]
イベントラベルとその時間的オフセットを同時に予測できる,軽量でモジュール化されたアクションスポッティングネットワークを開発した。
SoccerNetデータセットでテストし、標準機能を使用して、完全な提案は3平均mAPポイントで現在の状態を超えます。
論文 参考訳（メタデータ） (2021-02-15T16:04:18Z) - A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。
基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
論文 参考訳（メタデータ） (2020-02-21T23:10:50Z) - Transformer Hawkes Process [79.16290557505211]
本稿では,長期的依存関係を捕捉する自己認識機構を利用したTransformer Hawkes Process (THP) モデルを提案する。
THPは、有意なマージンによる可能性と事象予測の精度の両方の観点から、既存のモデルより優れている。
本稿では、THPが関係情報を組み込む際に、複数の点過程を学習する際の予測性能の改善を実現する具体例を示す。
論文 参考訳（メタデータ） (2020-02-21T13:48:13Z)
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。