ICMLNov, 2023

板球运动员个人资料建模：使用文本解说数据揭示优势和劣势

PDF
TL;DR利用非结构化的板球文字评论作为构建全面的板球运动员强项和弱项规则的宝贵资源，本研究建立了计算模型来提取控制板球运动员强项和弱项的规则，为个别选手的策略开发提供便利。
player-specific strategiescomputational modelsstrengths and weaknessescricket text commentarydimensionality reduction technique
发现论文，激发创造
  • 非结构化体育数据的可视化 —— 以板球短文字评论为例

    利用非结构化数据进行可视化分析，通过分析 100 万条以上的文本评论，使用短文本评论进行构建运动员的强项和弱项规则，并计算和可视化具有相似规则的运动员，验证构建的规则对于 500 多名运动员的准确性。

    Mar, 2024

  • 分析体育评论以自动识别事件并提取观点

    我们研究了如何使用多种自然语言处理技术和方法自动识别体育赛事中的主要动作，并通过分析来自不同来源的现场体育评论以及将这些主要动作分类来提取洞察。我们还研究了情感分析是否能够帮助检测这些主要动作。

    Jul, 2023

  • 大规模数据集上的电子竞技数据即时解说生成

    本研究提出了一项从结构化数据记录中生成游戏评论的任务，利用一种大规模的电子竞技数据集和多种基线编码器 - 解码器模型以及一种层次模型来生成各个层面的比赛评论，结果表明层次模型优势明显，并且揭示了几个新任务带来的挑战。

    Dec, 2022

  • 多策略文本处理在金融数据分析应用中的应用

    本文主要介绍了如何利用多种数据挖掘技术和深度学习应用于金融文本处理场景，并且展示了如何使用自然语言处理（NLP）和知识图谱（KG）技术来从异构数据中识别金融风险和机会。

    Apr, 2022

  • 我们如何用语言来进行事物：将文本作为社会和文化数据进行分析

    本文描述了我们在计算机文本分析方面的经验，并提出了一些最佳实践来处理厚重的社会文化概念，以促进跨学科合作。

    Jul, 2019

  • 体育智能：通过问题回答从文本到视频评估语言模型对体育理解能力

    通过对主流大型语言模型在各种体育任务上进行广泛评估，我们揭示了自然语言处理中体育理解的关键挑战，并提出了一个基于现有体育数据集的全面概述的新基准，以帮助确定未来的研究优先事项。

    Jun, 2024

  • 由神经网络国际象棋引擎驱动的自动国际象棋评论员

    本文提出了一种新的自动化国际象棋解说生成方法，结合神经国际象棋引擎和文本生成模型，能够生成不同类型的描述、比较和规划性的解说文本，并在基准数据集上取得了令人满意的结果。

    Sep, 2019

  • 优化 IT 服务的认知计算

    本文提出一种基于自然语言处理技术的认知解决方案，通过对 IT 服务台票据、客户满意度调查和社交媒体数据的深入分析，提取出主题、实体、情绪和知识等有价值的非结构化信息，并可进行分类、分段和时间序列预测，最终在交互式仪表板上可视化展示，实现显著降低工单量、成本和提高客户满意度的目的。

    Dec, 2021

  • 对文本数据进行特征重要性和规则提取的可解释性比较

    本文研究机器学习算法中普遍存在的可解释性方法，通过不同的解释方法应用到简单的模型中，发现不同之处并提出一种新的方法来比较不同解释间的差异。

    Jul, 2022

  • 羽毛球人工智能教练

    通过分析球员运动学和生物力学，运用先进的神经网络方法，从羽毛球比赛的视频镜头中提取细致洞察，旨在推导出能够提供姿态、技术和肌肉定向改进建议的预测模型，以提高整体性能。

    Mar, 2024