探索长短期依赖以推断羽毛球比赛中的击球影响
机器学习
2021-09-15 v1 人工智能
摘要
在多拍回合中识别关键击球对于评估羽毛球比赛中的选手表现十分重要。尽管已有若干研究量化了其他运动中的选手表现，分析羽毛球数据仍未被触及。本文引入一种羽毛球语言来完整描述击球过程，并提出一个由新颖的短期提取器和长期编码器组成的深度学习模型，通过将问题构建为预测回合结果来捕获羽毛球回合中的逐拍序列。我们的模型结合了注意力机制，以使动作序列对回合结果具有透明性，这对于羽毛球专家获得可解释的预测至关重要。基于真实世界数据集的实验评估表明，我们提出的模型优于强基线。源代码公开于https://github.com/yao0510/Shot-Influence。
引用
@article{arxiv.2109.06431,
title = {Exploring the Long Short-Term Dependencies to Infer Shot Influence in Badminton Matches},
author = {Wei-Yao Wang and Teng-Fong Chan and Hui-Kuo Yang and Chih-Chuan Wang and Yao-Chung Fan and Wen-Chih Peng},
journal= {arXiv preprint arXiv:2109.06431},
year = {2021}
}
备注
6 pages, accepted by ICDM 2021