Fugu-MT 論文翻訳(概要): Forecasting the Winner of a Live Tennis Match

論文の概要: Forecasting the Winner of a Live Tennis Match

arxiv url: http://arxiv.org/abs/2609.07617v1
Date: Mon, 07 Sep 2026 15:21:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:08.455511
Title: Forecasting the Winner of a Live Tennis Match
Title（参考訳）: テニスの試合の勝者を予想する
Abstract要約: 本研究では,事前マッチングとライブ情報をモデルに最も効果的に統合して,正確な勝率推定を行う方法について検討する。この分析では、合計1,505,355点を含む8,222のグランドスラムマッチを使用している。
参考スコア（独自算出の注目度）: 2.9832083520093353
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the rise of live sports betting in recent years, tennis forecasting has expanded from pre-match prediction to models that update win probabilities as a match unfolds. A central challenge in creating such a model is the constant need for models to adapt to score and performance changes. This study examines how pre-match and live information can be most effectively integrated into a model to produce accurate win-probability estimates. The analysis uses 8,222 Grand Slam matches containing a total of 1,505,355 points. Five models were evaluated using a chronological split, with matches from 2011-2021 used for training, 2022 for validation, and 2023-2024 for testing. Trace, a hybrid model, achieved accuracies of 76.06%, 82.15%, and 88.34% at 25%, 50%, and 75% match progress, suggesting that hybrid modeling is a practical approach to live tennis forecasting.
Abstract（参考訳）: 近年のライブスポーツの賭けの増加に伴い、テニスの予報は試合前の予測から、試合が展開するにつれて勝利確率を更新するモデルへと拡大している。このようなモデルを作成する上での中心的な課題は、スコアやパフォーマンスの変化に適応するモデルの必要性である。本研究では,事前マッチングとライブ情報をモデルに最も効果的に統合して,正確な勝率推定を行う方法について検討する。この分析では、合計1,505,355点を含む8,222のグランドスラムマッチを使用している。 2011-2021年のトレーニング,2022年のバリデーション,2023-2024年のテストで,5つのモデルを時系列分割を用いて評価した。ハイブリッドモデルであるTraceは、25%、50%、75%で76.06%、82.15%、88.34%の精度を達成した。

関連論文リスト

Topological Data Analysis and Graph-Theoretic Approaches for Tennis Match Prediction [67.45502291821956]
本稿では, トポロジカルデータ解析とグラフ理論を用いて, テニスの試合結果を予測する2つの手法を提案する。最初の方法はプレイヤーの競争ネットワークに低星フィルターを適用し、永続的ホモロジーを通して位相的特徴を抽出する。第2の方法は、時間的エッジ重み付けを施したKatz類似度指数を用いて、保持試験データに対して62.48%の精度を達成している。
論文参考訳（メタデータ） (2026-07-26T07:18:43Z)
WorldCupArena: Fine-Grained Evaluation of Language Models and Deep-Research Agents on Football Forecasting [10.941871398755403]
We present WorldCupArena, a benchmark for language model and Deep-Research agent。結果とスコア、おそらくプレイヤーやイベント、統計、そして競技結果を予測する。予測されたスコアが近いが正確ではない場合に、結果の精度、精度、スコアラインスコアを報告する。
論文参考訳（メタデータ） (2026-07-20T15:52:48Z)
Multi-Level Collaboration in Model Merging [56.31088116526825]
本稿では,モデルマージとモデルアンサンブルの本質的な関係について考察する。これまでの制限が満たされていない場合でも、モデルのマージによって、アンサンブルと同じような、ほぼ同一かつ優れたパフォーマンスを達成する方法がまだ存在することが分かっています。
論文参考訳（メタデータ） (2025-03-03T07:45:04Z)
GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation [90.53485251837235]
時系列基礎モデルはゼロショット予測に優れ、明示的なトレーニングなしで多様なタスクを処理する。 GIFT-Evalは、多様なデータセットに対する評価を促進するための先駆的なベンチマークである。 GIFT-Evalには、144,000の時系列と17700万のデータポイントの23のデータセットが含まれている。
論文参考訳（メタデータ） (2024-10-14T11:29:38Z)
Momentum Capture and Prediction System Based on Wimbledon Open2023 Tournament Data [4.733690536516437]
本研究では,エントロピー重み法(EWM)とグレイ関係解析(GRA)を相乗化して,運動量の影響を定量化する評価モデルを提案する。モデルが特定の要因が一致力学に与える影響を識別する能力は、両方向の距離が点の間を走るときに、その長所を示す。
論文参考訳（メタデータ） (2024-08-02T19:14:49Z)
Attention-Based Ensemble Pooling for Time Series Forecasting [55.2480439325792]
本稿では,候補モデル予測よりも重み付き平均値を実行するプーリング法を提案する。本手法は,非定常ロレンツ63方程式の動力学の多段階予測と,COVID-19による週次死亡事故の1段階予測という2つの時系列予測問題に対して試行する。
論文参考訳（メタデータ） (2023-10-24T22:59:56Z)
Evaluating Soccer Match Prediction Models: A Deep Learning Approach and Feature Optimization for Gradient-Boosted Trees [0.8009842832476994]
2023年のサッカーの予測チャレンジでは、まず各チームが得点した正確なゴールについて、次に勝利、引き分け、負けの確率について、試合結果の予測が必要とされた。 CatBoost モデルは pi-ratings を特徴として用いており、これは最初は win/draw/loss 確率を計算するのに最適な選択肢として認識されていた。本研究では,ディープラーニングモデルの性能を評価し,勾配木モデルに最適な特徴セットを決定することを目的とした。
論文参考訳（メタデータ） (2023-09-26T10:05:46Z)
Supervised Learning for Table Tennis Match Prediction [2.7835697868135902]
本稿では,テーブルテニスシングルマッチの結果を予測するために機械学習を用いることを提案する。我々は,プレイヤーとマッチング統計を特徴として用いて,その相対的重要性をアブレーション研究で評価する。結果は将来の卓球予測モデルのベースラインとして機能し、同様の球技の予測研究にフィードバックすることができる。
論文参考訳（メタデータ） (2023-03-28T17:42:13Z)
GCN-WP -- Semi-Supervised Graph Convolutional Networks for Win Prediction in Esports [84.55775845090542]
本稿では,グラフ畳み込みネットワークに基づくエスポートに対する半教師付き勝利予測モデルを提案する。 GCN-WPはマッチとプレーヤに関する30以上の機能を統合し、近隣のゲームを分類するためにグラフ畳み込みを使用している。本モデルは,LLの機械学習やスキル評価モデルと比較して,最先端の予測精度を実現する。
論文参考訳（メタデータ） (2022-07-26T21:38:07Z)
Two-Step Meta-Learning for Time-Series Forecasting Ensemble [1.1278903078792915]
いくつかのメソッドのアンサンブルを使用した予測は、しばしば妥協と見なされる。メタラーニングを用いてこれらの側面を適応的に予測することを提案する。提案手法は12561マイクロ・エコノミック・タイムシリーズで試験された。
論文参考訳（メタデータ） (2020-11-20T18:35:02Z)
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)

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。