論文の概要: Revisiting PlayeRank

• arxiv url: http://arxiv.org/abs/2410.20038v1
• Date: Sat, 26 Oct 2024 01:15:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:21:54.366676
• Title: Revisiting PlayeRank
• Title（参考訳）: PlayeRankの再検討
• Authors: Louise Schmidt, Cristian Lillo, Javier Bustos,
• Abstract要約: 私たちは、2019年にパパラルドらによってデザインされ、評価された、プレイランクと呼ばれるサッカーのパフォーマンススコアを見直します。 元のPlayeRankを用いて、94.13%のマッチで、上位チームが劣勢のチームを打ち負かしたか、スコアが類似している場合、チームが結束したかを示す。 本稿では,PlayeRankのオンライン利用方法を,修正フリー分析ツールを用いて提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this article we revise the football's performance score called PlayeRank, designed and evaluated by Pappalardo et al.\ in 2019. First, we analyze the weights extracted from the Linear Support Vector Machine (SVM) that solves the classification problem of "which set of events has a higher impact on the chances of winning a match". Here, we notice that the previously published results include the Goal-Scored event during the training phase, which produces inconsistencies. We fix these inconsistencies, and show new weights capable of solving the same problem. Following the intuition that the best team should always win a match, we define the team's quality as the average number of players involved in the game. We show that, using the original PlayeRank, in 94.13\% of the matches either the superior team beats the inferior team or the teams end tied if the scores are similar. Finally, we present a way to use PlayeRank in an online fashion using modified free analysis tools. Calculating this modified version of PlayeRank, we performed an online analysis of a real football match every five minutes of game. Here, we evaluate the usefulness of that information with experts and managers, and conclude that the obtained data indeed provides useful information that was not previously available to the manager during the match.
• Abstract（参考訳）: この記事では、2019年にPpapalardo et al \によってデザインされ、評価された、PlayeRankというサッカーのパフォーマンススコアを再検討する。 まず、線形支援ベクトルマシン(SVM)から抽出した重みを解析し、「どのイベント集合が試合に勝つ確率に高い影響を与えるか」という分類問題を解く。 ここでは、以前に公表された結果に、トレーニングフェーズ中にGoal-Scoredイベントが含まれており、矛盾が生じていることに気付きます。 これらの矛盾を修正し、同じ問題を解決できる新しい重みを示します。 最高のチームが常に試合に勝つという直感に続いて、私たちはチームの品質をゲームに関わるプレイヤーの平均数として定義します。 元のPlayeRankを用いて、上位チームが下位のチームを打ち負かすか、スコアが類似している場合、チームが結びつくかのどちらかで94.13 %のマッチが示される。 最後に,PlayeRankのオンライン利用方法を,修正フリー分析ツールを用いて提示する。 PlayeRankの修正版を計算し、実際のフットボールの試合を5分ごとにオンライン分析しました。 ここでは,その情報の有用性を専門家や管理者と評価し,得られたデータは,試合中に管理者がこれまで利用できなかった有用な情報を提供するものであると結論づける。

関連論文リスト

• MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
  観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。 まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。 第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。 第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
  論文  参考訳（メタデータ） (2024-06-26T17:57:25Z)
• 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)
• A Tale of HodgeRank and Spectral Method: Target Attack Against Rank Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
  ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。 本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。 提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
  論文  参考訳（メタデータ） (2022-09-13T05:59:02Z)
• Evaluation of creating scoring opportunities for teammates in soccer via trajectory prediction [7.688133652295848]
  実際の動作と軌道予測による参照動作を比較することで,オフボールスコアリングの機会を創出する選手を評価する。 検証のために,プロサッカーリーグのチーム全試合の年間給与,ゴール,評価との関係を検討した。 提案手法は,ボールのない選手がチームメイトに得点率を与えるための指標として有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-06-04T03:58:37Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• No-Regret Learning in Time-Varying Zero-Sum Games [99.86860277006318]
  固定ゼロサムゲームにおける繰り返しプレイからの学習は、ゲーム理論とオンライン学習における古典的な問題である。 提案手法は,3つの性能基準の下で,良好な保証を同時に享受できる1つのパラメータフリーアルゴリズムである。 本アルゴリズムは,ある特性を満たすブラックボックスベースラーナー群に対するメタアルゴリズムを用いた2層構造に基づく。
  論文  参考訳（メタデータ） (2022-01-30T06:10:04Z)
• Evaluating Team Skill Aggregation in Online Competitive Games [4.168733556014873]
  本稿では,2つの新しい集計手法が評価システムの予測性能に与える影響について分析する。 以上の結果から,テストケースの大部分において,MAX法が他の2手法よりも優れていることが示された。 本研究の結果は,チームのパフォーマンスを計算するために,より精巧な手法を考案する必要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2021-06-21T20:17:36Z)
• 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)
• 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)
• Analysing Long Short Term Memory Models for Cricket Match Outcome Prediction [0.0]
  近年,様々な機械学習技術を用いてクリケットマッチングデータを解析し,試合結果の勝敗を予測している。 本稿では,ボール・バイ・ボールの統計値から,試合の勝利確率を一定間隔で予測できる新しいリカレントニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-11-04T04:49:11Z)
• Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies in Extensive-Form Zero-Sum Games [123.76716667704625]
  我々は,不完全情報ゼロサム拡張形式ゲームにおいて,対戦相手と対決する2人の選手のチームにとって最適な戦略を見つけることの課題に焦点をあてる。 この設定では、チームができる最善のことは、ゲーム開始時の関節(つまり相関した)確率分布から潜在的にランダム化された戦略(プレイヤー1人)のプロファイルをサンプリングすることである。 各プロファイルにランダム化されるのはチームメンバーの1人だけであるプロファイルのみを用いることで、そのような最適な分布を計算するアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-09-21T17:51:57Z)

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。