論文の概要: MVP-Shapley: Feature-based Modeling for Evaluating the Most Valuable Player in Basketball

• arxiv url: http://arxiv.org/abs/2506.04602v2
• Date: Wed, 16 Jul 2025 15:12:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 14:40:09.454716
• Title: MVP-Shapley: Feature-based Modeling for Evaluating the Most Valuable Player in Basketball
• Title（参考訳）: MVP-Shapley: バスケットボールで最も価値ある選手を評価する機能ベースのモデリング
• Authors: Haifeng Sun, Yu Xiong, Runze Wu, Kai Wang, Lan Zhang, Changjie Fan, Shaojie Tang, Xiang-Yang Li,
• Abstract要約: 本研究では,アシストやポイントなど,ゲーム中の関連イベントを記録するプレイバイプレイデータに焦点を当てた。 我々は,新たなMVP評価フレームワークをussysとして導入することで,課題に対処することを目指している。 このアプローチには、機能処理、ウィンロスモデルトレーニング、Shapley値アロケーション、プレイヤーのコントリビューションに基づいたMVPランキング決定が含まれる。
• 参考スコア（独自算出の注目度）: 44.99614103912428
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The burgeoning growth of the esports and multiplayer online gaming community has highlighted the critical importance of evaluating the Most Valuable Player (MVP). The establishment of an explainable and practical MVP evaluation method is very challenging. In our study, we specifically focus on play-by-play data, which records related events during the game, such as assists and points. We aim to address the challenges by introducing a new MVP evaluation framework, denoted as \oursys, which leverages Shapley values. This approach encompasses feature processing, win-loss model training, Shapley value allocation, and MVP ranking determination based on players' contributions. Additionally, we optimize our algorithm to align with expert voting results from the perspective of causality. Finally, we substantiated the efficacy of our method through validation using the NBA dataset and the Dunk City Dynasty dataset and implemented online deployment in the industry.
• Abstract（参考訳）: エスポートとマルチプレイヤーオンラインゲームコミュニティの急成長は、最も価値あるプレイヤー(MVP)を評価することの重要性を強調している。 説明可能な実用的なMVP評価手法の確立は非常に困難である。 本研究では,プレイ・バイ・プレイのデータに特化して,アシストやポイントなどのゲーム中の関連イベントを記録する。 私たちは、Shapley値を活用する‘oursys’という新しいMVP評価フレームワークを導入することで、課題に対処することを目指している。 このアプローチには、機能処理、ウィンロスモデルトレーニング、Shapley値アロケーション、プレイヤーのコントリビューションに基づいたMVPランキング決定が含まれる。 さらに、因果性の観点から、専門家投票結果と整合するアルゴリズムを最適化する。 最後に,NBAデータセットとダンクシティ王朝データセットを用いた検証を通じて,本手法の有効性を検証し,業界におけるオンライン展開を実現した。

関連論文リスト

• Who is a Better Player: LLM against LLM [53.46608216197315]
  本稿では,大規模言語モデル (LLM) の総合的な性能を評価するための対戦型ベンチマークフレームワークを提案する。 広範にプレイされている5つのゲームをサポートし,20のLDMを駆使したプレーヤーを対象とする,特別な評価プラットフォームであるQi Townを紹介した。
  論文  参考訳（メタデータ） (2025-08-05T06:41:47Z)
• DIAMOND: An LLM-Driven Agent for Context-Aware Baseball Highlight Summarization [9.67464173044675]
  本稿では,コンテキスト認識型野球ハイライト要約エージェントであるDIAMONDを紹介する。 構造化スポーツ分析と自然言語推論を用いて、プレイの重要性を定量化する。 結果から,イベントレベルの要約のためのモジュール型,解釈可能なエージェントベースのフレームワークの可能性を強調した。
  論文  参考訳（メタデータ） (2025-06-03T01:10:20Z)
• Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning [55.65738319966385]
  我々は、新しいオンラインアルゴリズム、反復的ナッシュポリシー最適化(INPO)を提案する。 従来の方法とは異なり、INPOは個々の応答に対する期待される勝利率を推定する必要性を回避している。 LLaMA-3-8BベースのSFTモデルで、INPOはAlpacaEval 2.0で42.6%、Arena-Hardで37.8%の勝利率を達成した。
  論文  参考訳（メタデータ） (2024-06-30T08:00:34Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• An efficient machine learning approach for extracting eSports players distinguishing features and classifying their skill levels using symbolic transfer entropy and consensus nested cross validation [0.0]
  センサーデータと機械学習が組み合わさって、eSportsプレーヤーの分類に有効であることがすでに証明されている。 本稿では,これらの特徴を効果的に発見し,プレイヤーのスキルレベルを分類する手法を提案する。 分類結果は90.1%の精度で大幅に改善された。
  論文  参考訳（メタデータ） (2024-05-08T15:22:12Z)
• Offensive Lineup Analysis in Basketball with Clustering Players Based on Shooting Style and Offensive Role [0.9002260638342727]
  本研究の目的は,演奏スタイルの整合性がスコアリング効率に与える影響を,攻撃のみに焦点をあてて,より具体的に分析することである。 本研究では、追跡データを用いたシューティングスタイルクラスタリングと、アノテートされたプレイタイプと高度な統計に基づく攻撃的なロールクラスタリングの2つの方法を用いる。 これら2つのクラスタリングから得られたラインアップ情報に基づいて、スコアリング効率を表す統計を予測した機械学習モデルベイズモデルを訓練し、解釈した。
  論文  参考訳（メタデータ） (2024-03-04T03:09:25Z)
• ShaRP: A Novel Feature Importance Framework for Ranking [6.753981445665063]
  SHAPのような分類と回帰のための説明可能性の手法は、ランク付けタスクには不十分である、と我々は主張する。 私たちは、ランク付けと優先順位のためのShaRP-Shapley Valuesを紹介します。 ShaRPは、ランクやトップkなど、様々なランク固有の利益関数に対するコントリビューションを計算し、ペアの選好結果を説明する新しいShapley値ベースの方法も含んでいる。
  論文  参考訳（メタデータ） (2024-01-30T04:48:43Z)
• About latent roles in forecasting players in team sports [47.066729480128856]
  チームスポーツは、チームメイトと相手とのインタラクションに影響を与える重要な社会的要素を含んでいる。 RolForはロールベースのForecastingのための新しいエンドツーエンドモデルです。
  論文  参考訳（メタデータ） (2023-04-17T13:33:23Z)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• NBA2Vec: Dense feature representations of NBA players [0.0]
  本稿では,各プレーヤの高密度特徴表現を抽出するWord2Vecに基づくニューラルネットワークモデルであるNBA2Vecを提案する。 NBA2Vecは、2017年のNBAプレイオフシリーズの結果を正確に予測する。 NBA2Vec埋め込みの今後の応用は、プレイヤーのスタイルを特徴付けることで、プレイヤーの獲得とコーチング決定のための予測モデルに革命をもたらす可能性がある。
  論文  参考訳（メタデータ） (2023-02-26T19:05:57Z)
• Exploring validation metrics for offline model-based optimisation with diffusion models [50.404829846182764]
  モデルベース最適化(MBO)では、マシンラーニングを使用して、(基底真理)オラクルと呼ばれるブラックボックス関数に対する報酬の尺度を最大化する候補を設計することに興味があります。 モデル検証中に基底オラクルに対する近似をトレーニングし、その代わりに使用することができるが、その評価は近似的であり、敵の例に対して脆弱である。 本手法は,外挿量を測定するために提案した評価フレームワークにカプセル化されている。
  論文  参考訳（メタデータ） (2022-11-19T16:57:37Z)
• Valuing Players Over Time [0.0]
  サッカー(またはアソシエーションフットボール)では、プレイヤーはすぐにヒーローからゼロへ、あるいは逆転する。 本稿では,I-VAEPモデルとO-VAEPモデルを紹介し,プレイヤーの意図と実行を評価する。 我々は、誰が最高のプレイヤーであり、そのパフォーマンスがどのように進化したかを示し、プレイヤーの一貫性を測定するためにボラティリティ指標を定義し、意思決定を支援するためにプレイヤー開発曲線を構築します。
  論文  参考訳（メタデータ） (2022-09-08T15:36:16Z)

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。