通往进球之路：利用路径签名理解足球控球过程
机器学习
2025-08-19 v1 机器学习
摘要
我们提出了一种新颖的框架，通过利用路径签名来编码足球控球过程中复杂的时空结构，从而预测下一步动作。与现有方法不同，我们不依赖固定的历史时间窗口和手工设计的特征，而是对整个近期控球过程进行编码，从而避免了包含可能无关或误导性的历史信息。路径签名自然地捕捉事件的顺序和交互作用，为采样频率不规则的可变长度时间序列提供了一种具有数学基础的特征编码，无需手动特征工程。我们提出的方法在多种损失指标上优于基于 Transformer 的基准模型，并显著降低了计算成本。基于这些结果，我们引入了一种新的控球评估指标，该指标基于足球分析中成熟的框架，融合了预测的动作类型概率和动作位置。在特定领域的比较中，我们的指标显示出比现有指标更高的可靠性。最后，我们通过对 2017/18 赛季英超联赛的详细分析验证了我们的方法，并讨论了进一步的应用和未来的扩展。
引用
@article{arxiv.2508.12930,
title = {The path to a goal: Understanding soccer possessions via path signatures},
author = {David Hirnschall and Robert Bajons},
journal= {arXiv preprint arXiv:2508.12930},
year = {2025}
}