一种受非负矩阵分解启发的排序模型及其在网球赛事中的应用
机器学习
2019-06-14 v2 信号处理
机器学习
摘要
我们提出一种新颖的排序模型，将 Bradley-Terry-Luce 概率模型与非负矩阵分解框架相结合，以建模并揭示影响顶尖网球选手表现的潜在变量之存在。我们推导出一种高效、可证收敛且数值稳定的基于极大极小化的算法，用以在所给统计模型下最大化数据集的似然。该模型在涉及过去 10 年中 20 名顶尖男女网球选手间比赛结果的数据集上受测：男子涵盖 14 项重大赛事（含大满贯与 ATP Masters 1000），女子涵盖 16 项重大赛事。我们的模型自动推断球场表面（如红土或硬地）是男子选手表现的关键决定因素，对女子则影响较小。该纵向时期内各表面上的顶尖选手亦以客观方式被识别。
引用
@article{arxiv.1903.06500,
title = {A Ranking Model Motivated by Nonnegative Matrix Factorization with Applications to Tennis Tournaments},
author = {Rui Xia and Vincent Y. F. Tan and Louis Filstroff and Cédric Févotte},
journal= {arXiv preprint arXiv:1903.06500},
year = {2019}
}
备注
16 pages, 2 figures, 9 tables. Accepted and to be presented at the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML/PKDD) 2019. Supplementary material, code and datasets can be found in this URL https://github.com/XiaRui1996/btl-nmf