論文の概要: Real-time Win Probability and Latent Player Ability via STATS X in Team Sports

• arxiv url: http://arxiv.org/abs/2602.19513v1
• Date: Mon, 23 Feb 2026 05:00:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.68281
• Title: Real-time Win Probability and Latent Player Ability via STATS X in Team Sports
• Title（参考訳）: STATS Xによるチームスポーツにおけるリアルタイム勝利確率と潜在選手能力
• Authors: Yasutaka Shimizu, Atsushi Yamanobe,
• Abstract要約: 本研究では,チームスポーツにおける実時間勝利確率評価と選手評価のための統計的基盤となる枠組みを提案する。 最終スコアを勝敗と一致した実値にマップする連続支配指標(Tスコア)を導入する。 また、プレイヤーの優位区間への関与を定量化する潜在貢献指数 STATS X も定義する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study proposes a statistically grounded framework for real-time win probability evaluation and player assessment in score-based team sports, based on minute-by-minute cumulative box-score data. We introduce a continuous dominance indicator (T-score) that maps final scores to real values consistent with win/lose outcomes, and formulate it as a time-evolving stochastic representation (T-process) driven by standardized cumulative statistics. This structure captures temporal game dynamics and enables sequential, analytically tractable updates of in-game win probability. Through this stochastic formulation, competitive advantage is decomposed into interpretable statistical components. Furthermore, we define a latent contribution index, STATS X, which quantifies a player's involvement in favorable dominance intervals identified by the T-process. This allows us to separate a team's baseline strength from game-specific performance fluctuations and provides a coherent, structural evaluation framework for both teams and players. While we do not implement AI methods in this paper, our framework is positioned as a foundational step toward hybrid integration with AI. By providing a structured time-series representation of dominance with an explicit probabilistic interpretation, the framework enables flexible learning mechanisms and incorporation of high-dimensional data, while preserving statistical coherence and interpretability. This work provides a basis for advancing AI-driven sports analytics.
• Abstract（参考訳）: 本研究では,1分間の累積ボックススコアデータに基づいて,スコアベースのチームスポーツにおける実時間勝利確率評価とプレーヤ評価のための統計的基盤となるフレームワークを提案する。 我々は,最終スコアを勝敗結果と一致した実値にマッピングする連続支配指標(Tスコア)を導入し,これを標準累積統計によって駆動される時間進化確率表現(Tプロセス)として定式化する。 この構造は、時間的ゲームのダイナミクスを捕捉し、ゲーム内勝利確率の逐次的かつ解析的な更新を可能にする。 この確率的定式化により、競争優位性は解釈可能な統計成分に分解される。 さらに,Tプロセスで識別された支配区間におけるプレイヤーの関与を定量化する潜在貢献指数 STATS X を定義する。 これにより、チームのベースライン強度をゲーム固有のパフォーマンス変動から切り離し、チームとプレーヤの両方に一貫性のある構造的評価フレームワークを提供します。 この論文では、AIメソッドを実装していないが、私たちのフレームワークは、AIとのハイブリッド統合に向けた基礎的なステップとして位置づけられている。 明示的な確率論的解釈による支配の構造化された時系列表現を提供することにより、統計的コヒーレンスと解釈可能性を維持しつつ、高次元データの柔軟な学習機構と導入を可能にする。 この研究は、AIによるスポーツ分析を前進させる基盤を提供する。

関連論文リスト

• ScoutGPT: Capturing Player Impact from Team Action Sequences Using GPT-Based Framework [5.36551574565267]
  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。
  論文  参考訳（メタデータ） (2025-12-19T06:30:11Z)
• CATArena: Evaluation of LLM Agents through Iterative Tournament Competitions [49.02422075498554]
  大言語モデル(LLM)エージェントは、基本的なテキスト生成から、外部ツールとのインタラクションを通じて、複雑なタスクを自律的に完了するまで進化してきた。 本研究では,人間レベルインテリジェンスに向けたエージェント進化のコアドライバとして,自己改善とピアラーニングの両方を含む学習能力の重要性を強調した。 本稿では,反復的かつ競合的なピアラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-30T15:22:53Z)
• Estimating Time Series Foundation Model Transferability via In-Context Learning [74.65355820906355]
  時系列基礎モデル(TSFM)は、大規模な事前訓練を通じて強力なゼロショット予測を提供する。 微調整は、公開データに制限のあるドメインのパフォーマンス向上に依然として不可欠である。 モデル選択をコンテキスト内学習問題として再キャストする転送可能性推定フレームワークであるTimeTicを紹介する。
  論文  参考訳（メタデータ） (2025-09-28T07:07:13Z)
• Velocity Completion Task and Method for Event-based Player Positional Data in Soccer [0.9002260638342727]
  イベントベースの位置データは、速度などの重要な特性を計算するのに必要な連続的な時間情報を欠いている。 本稿では,チームスポーツのイベントベース位置データのみを用いて,全てのエージェントの速度を同時に達成する手法を提案する。
  論文  参考訳（メタデータ） (2025-05-22T04:01:49Z)
• Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization [49.567092222782435]
  我々は,異なる特徴帰属法間の合意として定義された,XAI整合性という新しい概念を紹介する。 予測性能と説明のバランスをとる多目的最適化フレームワークを構築した。 本研究は、トレードオフゾーンバランス性能損失とXAI整合性による強靭性向上のモデルについて、今後の研究基盤を提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:19:14Z)
• 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)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• 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)
• Efficient Feature Representations for Cricket Data Analysis using Deep Learning based Multi-Modal Fusion Model [0.0]
  本研究では,適応型(学習可能な)埋め込みを用いた関係特徴の表現について検討した。 この研究に使用されるデータは、古典的なT20トーナメントIPL(インディアン・プレミアリーグ)から収集される。
  論文  参考訳（メタデータ） (2021-08-16T15:14:55Z)
• Robust Learning Through Cross-Task Consistency [92.42534246652062]
  クロスタスク整合性を用いた学習向上のための,広く適用可能な完全計算手法を提案する。 クロスタスク一貫性による学習は,より正確な予測と,アウト・オブ・ディストリビューション・インプットの一般化につながることを観察する。
  論文  参考訳（メタデータ） (2020-06-07T09:24:33Z)

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。