利用 GoalNet 揭示隐藏的关键球员：基于 GNN 的足球球员评估系统

足球分析工具强调预期进球等指标，导致进攻球员贡献的过度代表，而忽视了促进控球和串联进攻的球员。例如曼城的 Rodri 和刚转会至拜仁慕尼黑的 Palhinha。为解决这一偏差，本文旨在识别足球队中具有关键角色的球员，同时纳入空间和时间特征。在本工作中，我们提出了一种基于 GNN 的框架，为预期威胁（xT）的变化分配个体贡献，从而捕捉被忽视但至关重要的足球贡献。我们的流程在事件中心图中编码空间和时间特征，使得对防守或转换等非得分动作的公平归因成为可能。我们将中心性度量融入学习的球员嵌入中，确保控球型后卫和防守型中场因其整体影响而获得应有的认可。此外，我们探索了多种 GNN 变体——包括图注意力网络和基于 Transformer 的模型——以处理长程依赖和不断变化的比赛上下文，讨论了它们的相对性能和计算复杂度。在真实比赛数据上的实验证实了我们方法在突出传统进攻指标通常遗漏的关键角色方面的鲁棒性，强调了该模型在更全面足球分析中的效用。