利用Twitter预测美式橄榄球联盟(NFL)
通过建立一个由推特注释而成的语料库,训练一个检测正面真实性的对数线性分类器并聚合用户的显式预测,我们的方法需要输入一组参赛者,依靠众人的智慧自动预测未知的结果。在广泛的竞赛预测任务中,我们的方法优于情绪和推特体积基线,并进一步演示了如何使用我们的方法来测量个人账户预测的可靠性并回溯地识别意外的结果。
Jul, 2017
本文提出一种基于贝叶斯统计框架的足球比赛中胜率预测模型,通过对比现有模型,构建了一个可信的、根据比赛时间变化的贝叶斯统计模型,通过对五大顶级联赛八个赛季的数据进行实证评价,表明该模型能够提供良好的结果预测,并能够提升球迷体验和评估关键比赛情况下的表现。
Jun, 2019
通过对评论员的个人分析和轶事建立球队和球员叙事,体育转播员为即时解说注入剧情。使用1,455条来自六个十年的美式足球游戏广播文本自动注释和250k个球员提及和相关种族数据的FOOTBALL,揭示了球赛评论的偏见和代入性。
Sep, 2019
本文概述了人工智能、机器学习、足球分析、预测模型和博弈论等领域相互结合在足球领域中的应用,以及这种应用方式如何推进了足球运动本身的发展,还探讨了这种足球分析应用在其他领域的扩展可能性。
Nov, 2020
本篇文章阐述了使用图论、频繁项集和关联规则理论,构建和检索不同特征来进行推测性分析,揭示与指定实体相关的推文的语义结构。并且证明了语义频繁项集的定量特征可以用于具有指定目标变量的预测回归模型。
Jan, 2022
本研究利用监督学习神经网络预测NFL球员表现并确定最佳阵容,在给定薪资限制下最大化fantasy points。结果表明,最佳阵容的表现优于随机生成的阵容,生成的阵容通常在用户线上平台的第31个百分位数左右。研究结果可为进一步改进FPTS方法和预测提供基准比较。
Sep, 2023
本研究调查了生物技术领域中推文情感与各类别的关系:新闻、公司观点、CEO观点、竞争对手观点以及股市行为,重点在于了解社交媒体话语对投资者情绪和决策过程的影响。我们分析了十家最大和最有影响力的制药公司的历史股市数据,以及与COVID-19、疫苗、公司和相关CEO有关的Twitter数据。利用VADER情感分析,我们检查了推特情感得分,并评估它们与股市表现之间的关系。我们采用ARIMA(自回归移动平均)和VAR(向量自回归)模型来预测股市表现,并引入情感协变量以提高预测准确性。研究结果显示推文情感、新闻、生物技术公司、其CEO和股市表现之间存在复杂的相互作用,强调了在建模和预测股价时考虑多种因素的重要性。本研究为社交媒体对金融行业的影响提供了有价值的见解,并为进一步完善股价预测模型的研究奠定了基础。
Jan, 2024
通过在英语体育评论中对隶属群体内外言论(群体偏见)的模型,本文揭示了在社会现象如刻板印象延续和隐性偏见中可能存在的微妙差异。为了大规模分析群体间变化,我们使用 LLMs 进行自动标记,并发现一些 LLMs 最佳工作方式是在评论时使用语言描述赢得概率,而不是数值概率。此外,使用 LLMs 对评论进行大规模标记揭示了在不同赢得概率下区别隶属群体内外言论形式的线性变化。
Jun, 2024