Forecasting Events in Soccer Matches Through Language

要約

この論文では、サッカーの試合で次のイベントを予測するアプローチを紹介します。この課題は、大規模言語モデル (LLM) が直面する問題と顕著な類似点があります。
多くの変数から抽象化したり、一連のモデルの組み合わせに依存したりして、サッカーのイベントダイナミクスを厳しく制限する他の手法とは異なり、私たちの研究は、LLM で使用される方法論に触発された新しい手法を提案します。
これらのモデルは、イベントを構成する変数の完全な連鎖を予測し、サッカー用の大規模イベント モデル (LEM) の構築を大幅に簡素化します。
公開されている WyScout データセットでの深層学習を利用するこの提案されたアプローチは、次のイベント タイプの予測精度など、重要な領域で以前の LEM 提案のパフォーマンスを著しく上回っています。
このペーパーでは、一致予測や分析などのさまざまなアプリケーションにおける LEM の有用性を強調します。
さらに、LEM はユーザーが多くの分析パイプラインを構築するためのシミュレーション バックボーンを提供することを示します。これは、現在の特化された単一目的モデルとは反対のアプローチです。
LEM はサッカー分析における極めて重要な進歩を表し、単一の機械学習モデルを通じて多面的な分析パイプラインの基礎フレームワークを確立します。

要約(オリジナル)

This paper introduces an approach to predicting the next event in a soccer match, a challenge bearing remarkable similarities to the problem faced by Large Language Models (LLMs). Unlike other methods that severely limit event dynamics in soccer, often abstracting from many variables or relying on a mix of sequential models, our research proposes a novel technique inspired by the methodologies used in LLMs. These models predict a complete chain of variables that compose an event, significantly simplifying the construction of Large Event Models (LEMs) for soccer. Utilizing deep learning on the publicly available WyScout dataset, the proposed approach notably surpasses the performance of previous LEM proposals in critical areas, such as the prediction accuracy of the next event type. This paper highlights the utility of LEMs in various applications, including match prediction and analytics. Moreover, we show that LEMs provide a simulation backbone for users to build many analytics pipelines, an approach opposite to the current specialized single-purpose models. LEMs represent a pivotal advancement in soccer analytics, establishing a foundational framework for multifaceted analytics pipelines through a singular machine-learning model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google