基于图神经网络的足球中防守价值评估
机器学习
2025-12-12 v1 多智能体系统
摘要
评估足球中的防守表现颇具挑战，因为有效防守往往通过抢断和抢断等可见的球中行为表现，而非直接体现。现有方法主要聚焦于评估球中行为，导致对防守者真实影响的大部分未被测量。为此，我们提出了DEFCON（DEFensive CONtribution evaluator）——一个综合框架，用于量化足球中每种攻击情境下的玩家层面防守贡献。我们利用图注意力网络，估计每种攻击选项的成功概率和预期价值，以及每名防守者对其的责任。这些组件为在每个动作前后对攻击队的预期拥有价值（EPV）提供评估，并根据防守者是否降低或增加对手EPV，对其进行正或负积分。我们在2023-24赛季训练，在2024-25 Eredivisie赛季上进行评估，DEFCON的聚合玩家积分与市场估值之间呈现强烈的正相关性。最后，我们展示了几个实际应用，包括动作时间线中的防守贡献、场域分区的空间分析，以及攻击者-防守者配对概览。
引用
@article{arxiv.2512.10355,
title = {Better Prevent than Tackle: Valuing Defense in Soccer Based on Graph Neural Networks},
author = {Hyunsung Kim and Sangwoo Seo and Hoyoung Choi and Tom Boomstra and Jinsung Yoon and Chanyoung Park},
journal= {arXiv preprint arXiv:2512.10355},
year = {2025}
}