基于增强 MPNN 方法的职业足球传递决策评估：接收者选择
机器学习
2026-05-26 v1
摘要
足球决策过程由空间定位、对手压力和球员意图之间的复杂相互作用所特征化。本工作引入一种图神经网络 (GNN) 框架，用于预测接收者选择，即最佳传递目标，通过将场上交互建模为动态图来实现。每个球员作为一个节点，具有位置和上下文特征，而潜在的传递线则形成带有距离、角度和压力指标的加权边。我们开发了一个使用专业比赛跟踪数据和事件数据训练的消息传递神经网络 (MPNN)，通过基于优化版本 Needleman-Wunsch 算法的稳健管道进行同步。该模型在识别实际选择的接收者方面实现了竞争性准确率，并在其前三位建议中实现了业界最高准确率。我们的模型进一步提供对每个选项概率、威胁和创造力的量化，使性能分析师能够在数秒内评估超过 1000 次传递。
引用
@article{arxiv.2605.25696,
title = {Evaluating passing decision-making in professional football: An enhanced MPNN approach to Receiver Selection},
author = {Gabriel Masella and Giuseppe Alessio D'Inverno and Max Goldsmith and Gianluigi Rozza},
journal= {arXiv preprint arXiv:2605.25696},
year = {2026}
}