RASIPAM：球拍运动多变量事件序列的交互式模式挖掘

网球和羽毛球等球拍运动的专家利用战术分析来深入了解对手的打法风格。许多数据驱动方法将模式挖掘应用于球拍运动数据——通常记录为多变量事件序列——以揭示运动战术。然而，以此方式获得的战术常与专家通过其领域知识推导出的战术不一致，这可能令专家感到困惑。本工作介绍了 RASIPAM，一个 RAcket-Sports Interactive PAttern Mining（球拍运动交互式模式挖掘）系统，它允许专家将其知识融入数据挖掘算法中以交互式地发现有意义的战术。RASIPAM 由一个基于约束的模式挖掘算法组成，该算法响应专家的分析需求：专家以直观的书面语言提供寻找战术的建议，这些建议被转化为约束以运行算法。RASIPAM 进一步引入了定制的可视化界面，允许专家将新战术与原战术进行比较并决定是否应用给定调整。这一交互式工作流迭代推进，直到专家对所有战术满意。我们进行了定量实验以表明我们的算法支持实时交互。分别在网球和羽毛球中进行的两个案例研究，各涉及两位领域专家，展示了系统的有效性与实用性。