基于深度学习多模态融合模型的高效板球数据特征表示
机器学习
2021-08-17 v1 人工智能
摘要
在现代板球时代，数据分析已成为必需。从有效的团队管理到比赛胜率预测，都使用某种形式的分析。有意义的数据表示对于高效数据分析是必要的。在本研究中，我们考察自适应（可学习）嵌入用于表示相互关联的特征（如球员、球队等）。本研究使用的数据采集自经典 T20 赛事 IPL（Indian Premier League，印度超级联赛）。为自然促进有意义特征表示的学习以实现准确数据分析，我们构建了一个深度表示学习框架，该框架通过最小化对比损失联合学习一组定制的嵌入（表示我们关注的特征）。我们的目标基于由一局比赛总跑率分层聚类得到的一组类别。已评估该框架在所得嵌入上具有更大泛化性，并在此基础上进行了总跑率预测的任务型分析以展示框架的可靠性。
引用
@article{arxiv.2108.07139,
title = {Efficient Feature Representations for Cricket Data Analysis using Deep Learning based Multi-Modal Fusion Model},
author = {Souridas Alaka and Rishikesh Sreekumar and Hrithwik Shalu},
journal= {arXiv preprint arXiv:2108.07139},
year = {2021}
}