篮球网络的连续时间随机块模型

Jul, 2015

A Continuous-time Stochastic Block Model for Basketball Networks

Lu Xin, Mu Zhu, Hugh Chipman

TL;DR本研究针对职业篮球中选手的筛选和評估进行了深入的探讨，提出了一种基于动态网络模型的 Continuous-time 随机块模型，可以实现针对不同的数据维度进行切割，以减少应试者范围。此模型与传统的统计分析方法不同，可以捕捉到选手之间的相互作用，并揭示出不同球队的进攻策略之间的微妙差异，为篮球管理层提供了很好的支持。

Abstract

For professional basketball, finding valuable and suitable players is the key to building a winning team. To deal with such challenges, basketball managers, scouts and coaches are increasingly turning to analytics. Objective evaluation of players and teams has always been the top goal of bask

basketball analytics player evaluation dynamic network model player interaction patterns team plays

发现论文，激发创造

篮球中球员及球队表现的建模

本文回顾了篮球比赛分析方法，关注了团队战略、个人表现以及未来趋势，重点强调需要进行因果推断。

Jul, 2020

一种用于预测篮球进攻结果的多分辨率随机过程模型

本文提出了一种框架，利用运动员运动跟踪数据实时估计篮球进攻结束时实现预期得分数量，并通过分层时空模型估计转换核函数，以分享跨运动员的信息。

Aug, 2014

动态随机块模型用于时间演化社交网络

本文提出了一个状态空间模型，将静态网络的随机块模型扩展到动态网络的建模中，并使用扩展卡尔曼滤波器配合局部搜索来拟合模型，实验表明此算法与使用马尔可夫蒙特卡罗抽样的最先进算法相竞争，但计算代价显著降低。

Mar, 2014

篮球中无球得分预测的数学模型

我们提出了两个数学模型来预测篮球比赛中的无球得分机会，分别考虑了传球得分和运球得分的动作，我们利用 630 场 NBA 比赛中的球员追踪数据评估了这些模型，结果表明 BIMOS 在得分预测准确性方面优于 BMOS，因此我们的模型为篮球的战术分析和球员评估提供了有价值的见解。

Jun, 2024

因子化点过程强度：职业篮球的空间分析

本文采用机器学习方法来分析 NBA 职业篮球运动员的投篮选择规律，并用非负矩阵分解的方法得出了低维度的球员类型空间表征。

Jan, 2014

运用扩散规划合成专业篮球运动员行为

通过 PLAYBEST 方法，结合基于历史 NBA 运动跟踪数据的生成模型和价值函数，对行动轨迹进行条件采样以及分类器引导采样，生成高效的篮球战术策略，表现优异，超过传统的规划技术，适应性和灵活性更强。

Jun, 2023

基于随机模块转换模型的动态网络分析

本文提出了一种基于随机块模型思想的动态网络模型，不同于以往大多数的动态网络模型，它不对边级动态做出隐藏的马尔可夫假设，且采用了一种近似的推理方法，得到的结果能更好地复制真实社交网络数据中边的持续时间。

Nov, 2014

运用深度学习对篮球轨迹进行分析

运用递归神经网络模型预测三分球成功率的研究表明，深度学习模型相对于以特征工程为主的传统机器学习方法在运用职业篮球比赛数据进行预测时表现更加优秀。

Aug, 2016

NBA 球员的多模态轨迹预测

研究了国家篮球协会（NBA）球员在比赛过程中复杂决策问题的解决方法，提出了一种基于 LSTM 架构的方法来预测运动轨迹和其概率，并通过多模式损失函数更新最佳轨迹，实验结果表明该方法胜过现有技术且能够学习到球员的个人风格。

Aug, 2020

篮球得分的随机游走图

本文使用篮球比赛数据，提出连续时间随机游走模型描述了篮球比赛得分的统计规律，并且考虑了篮球比赛的个性化特征，包括比赛中球队实力的差异等因素，并建立了能够解释文件中所提到的各种统计特征的计算模型。

Sep, 2011