基于模型的足球事件序列聚类：一种标记时空点过程混合方法
应用统计
2025-11-19 v1
摘要
我们提出了一种用于足球事件数据的新型混合模型，通过聚类整个球权来揭示其时间、序列和空间结构。每个混合组件将球权建模为标记时空点过程：事件类型遵循有限马尔可夫链，其中包含用于球失控的吸收态，事件时间遵循条件伽马过程以考虑离散程度，空间位置通过截断布朗运动演化。为 aid 解释，我们从模型参数中推导出摘要指标，捕捉球权速度、事件数量和空间动力学。通过广义期望最大化算法进行最大似然估计。应用于2020/2021赛季38场卢方1联赛的StatsBomb数据，我们的方法揭示了斯坦德·雷尼斯面对的不同防守性球权模式。不同于专注于单个事件的先前方法， our mixture structure 使我们能够对完整球权进行原则性聚类，支持战术分析以及未来现实虚拟训练环境的开发。
引用
@article{arxiv.2511.14297,
title = {Model-Based Clustering of Football Event Sequences: A Marked Spatio-Temporal Point Process Mixture Approach},
author = {Koffi Amezouwui and Brigitte Gelein and Matthieu Marbac and Anthony Sorel},
journal= {arXiv preprint arXiv:2511.14297},
year = {2025}
}