論文の概要: ScoutGPT: Capturing Player Impact from Team Action Sequences Using GPT-Based Framework

• arxiv url: http://arxiv.org/abs/2512.17266v2
• Date: Tue, 23 Dec 2025 06:52:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-24 13:10:52.732044
• Title: ScoutGPT: Capturing Player Impact from Team Action Sequences Using GPT-Based Framework
• Title（参考訳）: ScoutGPT: GPTベースのフレームワークによるチームアクションシーケンスからのプレイヤーインパクトのキャプチャ
• Authors: Miru Hong, Minho Lee, Geonhee Jo, Jae-Hee So, Pascal Bauer, Sang-Ki Ko,
• Abstract要約: 本稿では,GPT方式の自己回帰変換器上に構築された,プレイヤー条件の付加価値を考慮した次世代予測モデルであるEventGPTを紹介する。 我々のモデルは、マッチプレイを離散トークンのシーケンスとして扱い、次のオンボールアクションのタイプ、位置、タイミング、そしてその推定残高のオンボール値を予測するために共同で学習する。 学習したプレイヤーを新しいイベントシーケンスに置き換えることで、プレイヤーの行動分布と値プロファイルが、異なるチームや戦術構造に置かれるときにどのように変化するかをシミュレートすることができる。
• 参考スコア（独自算出の注目度）: 5.36551574565267
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transfers play a pivotal role in shaping a football club's success, yet forecasting whether a transfer will succeed remains difficult due to the strong context-dependence of on-field performance. Existing evaluation practices often rely on static summary statistics or post-hoc value models, which fail to capture how a player's contribution adapts to a new tactical environment or different teammates. To address this gap, we introduce EventGPT, a player-conditioned, value-aware next-event prediction model built on a GPT-style autoregressive transformer. Our model treats match play as a sequence of discrete tokens, jointly learning to predict the next on-ball action's type, location, timing, and its estimated residual On-Ball Value (rOBV) based on the preceding context and player identity. A key contribution of this framework is the ability to perform counterfactual simulations. By substituting learned player embeddings into new event sequences, we can simulate how a player's behavioral distribution and value profile would change when placed in a different team or tactical structure. Evaluated on five seasons of Premier League event data, EventGPT outperforms existing sequence-based baselines in next-event prediction accuracy and spatial precision. Furthermore, we demonstrate the model's practical utility for transfer analysis through case studies-such as comparing striker performance across different systems and identifying stylistic replacements for specific roles-showing that our approach provides a principled method for evaluating transfer fit.
• Abstract（参考訳）: トランスファーはサッカークラブの成功を形作る上で重要な役割を担っているが、フィールドでのパフォーマンスの強い文脈依存性のため、トランスファーが成功するかどうかを予測することは困難である。 既存の評価プラクティスは、しばしば静的な要約統計やポストホックな価値モデルに依存しており、プレイヤーの貢献が新しい戦術環境や異なるチームメイトにどのように適応するかを捉えていない。 このギャップに対処するために、GPT方式の自己回帰変換器上に構築されたプレイヤー条件付き、値認識型次世代予測モデルであるEventGPTを導入する。 我々のモデルは、マッチプレイを離散トークンのシーケンスとして扱い、前回のコンテキストとプレイヤーのアイデンティティに基づいて、次のオンボールアクションのタイプ、位置、タイミング、そしてその推定残高(rOBV)を予測するために共同で学習する。 このフレームワークの重要な貢献は、反実的シミュレーションを実行する能力である。 学習したプレイヤーを新しいイベントシーケンスに置き換えることで、プレイヤーの行動分布と値プロファイルが、異なるチームや戦術構造に置かれるときにどのように変化するかをシミュレートすることができる。 EventGPTはプレミアリーグの5シーズンのイベントデータに基づいて評価され、既存のシーケンスベースのベースラインを次のイベント予測精度と空間精度で上回る。 さらに,異なるシステム間でストライカー性能を比較し,特定の役割のスタイル的置き換えを識別するなど,ケーススタディによる伝達解析の実用的有用性を示す。

関連論文リスト

• RisingBALLER: A player is a token, a match is a sentence, A path towards a foundational model for football players data analytics [0.0]
  RisingBALLERは、フットボールの試合データに基づいてトレーニングされたトランスフォーマーモデルを利用して、マッチ固有のプレーヤー表現を学習する最初の公開アプローチである。 単純な機械学習モデル以上の、RisingBALLERは、プレーヤーのための高度な基礎的特徴を学習することによって、フットボールデータ分析を変換するように設計された包括的なフレームワークである。
  論文  参考訳（メタデータ） (2024-10-01T14:39:22Z)
• 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)
• 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)
• 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)
• Transformer-Based Neural Marked Spatio Temporal Point Process Model for Football Match Events Analysis [0.6946929968559495]
  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。
  論文  参考訳（メタデータ） (2023-02-18T10:02:45Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• Prediction of Football Player Value using Bayesian Ensemble Approach [13.163358022899335]
  そこで本研究では,FIFAデータ分析に基づいて,世界トップのサッカー選手の移籍手数料に影響を及ぼす要因について事例研究を行った。 各プレイヤーの市場価値を予測するため,木構造パーゼンエミュレータ(TPE)アルゴリズムを用いて改良されたLightGBMモデルを提案する。
  論文  参考訳（メタデータ） (2022-06-24T07:13:53Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• 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)
• Document Ranking with a Pretrained Sequence-to-Sequence Model [56.44269917346376]
  関連ラベルを「ターゲット語」として生成するためにシーケンス・ツー・シーケンス・モデルをどのように訓練するかを示す。 提案手法は,データポーラ方式におけるエンコーダのみのモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-03-14T22:29:50Z)

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。