論文の概要: Explainable e-sports win prediction through Machine Learning classification in streaming
- arxiv url: http://arxiv.org/abs/2510.19671v1
- Date: Wed, 22 Oct 2025 15:18:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:16.017581
- Title: Explainable e-sports win prediction through Machine Learning classification in streaming
- Title（参考訳）: ストリーミングにおける機械学習分類による説明可能なeスポーツの勝利予測
- Authors: Silvia García-Méndez, Francisco de Arriba-Pérez,
- Abstract要約: この研究は、複数のスライディングウィンドウ上で入力データが制御されるストリーミングにおいて、説明可能な勝利予測分類ソリューションに寄与する。
実験の結果,90%以上の精度を達成し,文献における競合解の性能を上回った。
- 参考スコア（独自算出の注目度）: 7.743320290728378
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The increasing number of spectators and players in e-sports, along with the development of optimized communication solutions and cloud computing technology, has motivated the constant growth of the online game industry. Even though Artificial Intelligence-based solutions for e-sports analytics are traditionally defined as extracting meaningful patterns from related data and visualizing them to enhance decision-making, most of the effort in professional winning prediction has been focused on the classification aspect from a batch perspective, also leaving aside the visualization techniques. Consequently, this work contributes to an explainable win prediction classification solution in streaming in which input data is controlled over several sliding windows to reflect relevant game changes. Experimental results attained an accuracy higher than 90 %, surpassing the performance of competing solutions in the literature. Ultimately, our system can be leveraged by ranking and recommender systems for informed decision-making, thanks to the explainability module, which fosters trust in the outcome predictions.
- Abstract（参考訳）: eスポーツにおける観客や選手の増加は、最適化されたコミュニケーションソリューションとクラウドコンピューティング技術の発展とともに、オンラインゲーム産業の継続的な成長を動機付けている。
E-Sports分析のための人工知能ベースのソリューションは、伝統的に、関連するデータから意味のあるパターンを抽出し、意思決定を強化するためにそれらを視覚化するものとして定義されているが、プロフェッショナルな勝利予測のほとんどは、バッチの観点からの分類的な側面に焦点を当てており、視覚化技術は別として残されている。
本研究は,複数のスライディングウインドウ上で入力データを制御し,関連するゲーム変化を反映するストリーミングにおける,説明可能な勝利予測分類ソリューションに寄与する。
実験の結果,90%以上の精度を達成し,文献における競合解の性能を上回った。
最終的に、私たちのシステムは、結果予測に対する信頼を育む説明可能性モジュールのおかげで、情報意思決定のためのランキングシステムとレコメンデーションシステムによって活用することができる。
関連論文リスト
- See, Think, Act: Online Shopper Behavior Simulation with VLM Agents [58.92444959954643]
本稿では,視覚情報,特にWebページスクリーンショットのVLMによる動作シミュレーションへの統合について検討する。
我々は,協調行動予測と合理化生成にSFTを用いて,相互作用の完全な文脈を条件づける。
推論能力をさらに強化するため,RLを階層的な報酬構造と統合し,難易度因子によって拡張する。
論文 参考訳（メタデータ） (2025-10-22T05:07:14Z) - 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) - A Systematic Review of Machine Learning in Sports Betting: Techniques, Challenges, and Future Directions [0.023301643766310366]
機械学習(ML)はスポーツ賭け産業の変革において重要な役割を果たしてきた。
本稿では,サッカー,バスケットボール,テニス,クリケットなど,さまざまなスポーツに応用されるML技術について検討する。
これらの進歩にもかかわらず、データ品質、リアルタイム意思決定、そしてスポーツ結果の固有の予測不可能といった課題が残っている。
論文 参考訳（メタデータ） (2024-10-28T19:49:53Z) - Unsupervised explainable activity prediction in competitive Nordic Walking from experimental data [6.817247544942709]
本研究は,ノルディックウォーキングにおいて,スポーツ選手の活動に関する予測を自動説明し,正しい,正しく,不正な行為と不正行為を区別することに焦点を当てた。
提案したソリューションは、平均して100パーセント近いパフォーマンス指標を達成した。
論文 参考訳（メタデータ） (2024-06-18T16:29:07Z) - ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing
Forecasting Models in Badminton [52.21869064818728]
バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。
本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
論文 参考訳（メタデータ） (2023-12-18T05:37:51Z) - Graph Encoding and Neural Network Approaches for Volleyball Analytics:
From Game Outcome to Individual Play Predictions [5.399740513992854]
我々は,すでに利用可能なバレーボールデータセットにコンタクトバイコンタクトバレーボールコンテキストを追加するための,特殊なグラフ符号化手法を導入する。
この強化データセットにグラフニューラルネットワーク(GNN)を用いた3つのバレーボール予測タスクの潜在的な利点を実証する。
以上の結果から,グラフエンコーディングによるGNNの利用により,より高度なデータ解析が可能であることが示唆された。
論文 参考訳（メタデータ） (2023-08-22T02:51:42Z) - Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。
本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
論文 参考訳（メタデータ） (2022-06-27T08:16:59Z) - ShuttleNet: Position-aware Fusion of Rally Progress and Player Styles
for Stroke Forecasting in Badminton [18.524164548051417]
本稿では,ターンベースのスポーツにおいて,どのストロークをどこで返すべきかを客観的に判断することに焦点を当てる。
本稿では,ラリープログレスとプレーヤスタイルの融合フレームワーク(ShuttleNet)を提案する。
論文 参考訳（メタデータ） (2021-12-02T08:14:23Z) - 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) - Scalable Psychological Momentum Forecasting in Esports [0.0]
競争ゲームのための知的エージェント推薦エンジンの開発が進行中である。
本研究では,選手の心理的運動量と傾きの学習的表現を用いて,前・後勝利予測における最先端のパフォーマンスを達成可能であることを示す。
論文 参考訳（メタデータ） (2020-01-30T11:57:40Z)
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。