KDDSep, 2014

寻找足球中的独特风格

PDF
TL;DR该研究提出了一种基于传球网络量化足球队动机特征的方法，并且引入了 “流动动机” 的概念来表征统计显著的传球序列模式，通过对传球网络中动机的分析，我们能够比较和区分不同球队的风格，尽管大多数球队倾向于采用相同的风格，但惊人的是，存在一种独特的足球策略，拥有精确，精心构建的结构，例如巴塞罗那足球俱乐部著名的蒂基塔卡。
发现论文，激发创造
  • 足球战术的网络理论分析

    本文展示运用网络理论工具分析足球队策略的方法。使用 2010 年世界杯足球赛的传球数据，我们构建了一个加权有向网络，以球员为节点，以传球为箭头。通过不同中心性指标，我们可以确定每个球员在比赛中的相对重要性，球员的‘流行程度’，以及去除球员时的影响。

    Jun, 2012

  • 足球队传球策略的自动提取

    本文介绍了一种基于 Dynamic Time Warping 的方法，通过分析事件的重复序列来揭示球队的战术，并基于整个赛季的分析得出了保持球权的传球策略或反击，以及以团队为重点或以个人球员的能力为重点的传球风格等见解。

    Aug, 2015

  • 交互网络中的流动模式

    本文提出了一种称为 Network Flow Motifs 的新型模式，可以在约束的时间窗口内模拟一组顶点之间的重要流量传递，并设计了一种寻找大型图中流模式实例的算法，并在三个真实数据集上评估了算法性能并发现了网络中的有趣模式。

    Oct, 2018

  • 运用网络科学分析足球传球网络：动态性、空间性、时间性和比赛的复层性

    本文介绍网络科学在足球领域的应用，研究团队的组织和表现方面，网络科学可以解决传统分析无法解决的问题，因为足球比赛是一个整体，不能仅仅分析分析每个球员，需要全局分析。

    Jul, 2018

  • QPass: 基于技术评估足球传球

    使用 QPass 方法对整个赛季的数据分析后，确定每个足球运动员通过其传球带来的内在价值，提出了不同游戏风格的传球轨迹，揭示了一个相当反直觉的范例：失去控球权可能会导致获胜的机会更大。

    Aug, 2016

  • 足球比赛中位置依赖性传球网络的统计特性

    研究在真实足球比赛中位置依赖性传球网络的统计特性，发现这些网络具有小世界特性，其度数分布可以很好地拟合截断的伽马分布函数。为了复现这些网络的特性，提出了一个基于马尔可夫链的模型。

    Nov, 2013

  • SoccerMap：用于足球视觉可解释分析的深度学习架构

    提出了一种完全卷积神经网络架构，可估计来自高频时空数据的足球可能传递的全概率面，能够适应于多种实际足球问题，如风险评估、应用可能的传递选项等。

    Oct, 2020

  • 基于时空数据的足球比赛传球分类

    本文研究了如何基于足球比赛的时空数据使用计算几何的方法构造预测变量并从带标签的样本中学习分类函数，进而生产一个自动化系统来评估球员之间的传球质量。实验结果表明，我们可以使用计算几何的方式获得相对较高的分类准确率，并且这些变量对于学习到的分类器是有一定的重要性的。最后，我们还验证了机器分类器与人类观察者之间的分类一致性程度相近。

    Jul, 2014

  • 基于网络模式识别的作者归属

    利用复杂网络的概念和方法，研究关键词识别、自动提取摘要和作者归属等自然语言处理任务中的模式识别技术，提出了基于功能词重复模式的作者归属任务，运用机器学习方法对其进行验证，结果表明模式能够区分不同作者的写作风格，并推荐将其应用于其他相关的语言任务。

    Jul, 2016

  • 4-4-2 是否存在？—— 单场比赛形势中理解和分类足球队形的分析方法

    本文提供了一种基于球员位置数据的自动分类和可视化团队编队的分析方法，专注于单个比赛情境以提供更详细的分析，从而提供足球比赛中战术策略的性能改进建议。

    Sep, 2019