[發明專利]一種基于情感計算的足球運動員比賽表現評估方法

有效

• 申請號: 202010178749.0
• 申請日: 2020-03-15
• 公開（公告）號: CN111553165B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 謝湘;劉偉
• 申請（專利權）人: 北京理工大學;貴州嗨球大數據產業發展有限公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/289;G06N3/04
• 代理公司: 北京正陽理工知識產權代理事務所(普通合伙) 11639
• 代理人: 張利萍

本發明涉及一種基于情感計算的足球運動員比賽表現評估方法，屬于人工智能機器學習技術領域。本方法，利用情感計算技術和文本信息抽取技術，將足球戰報中涉及球員表現的表述進行結構化處理并進行量化，之后與統計數據進行結合，利用線性回歸算法輸出球員表現評分。本方法在輸入球員技術統計的基礎上，通過引入戰報文本信息，利用情感計算技術，使事件的質量得以量化，從而同時兼顧技術項的數量和質量，能夠更科學合理地對球員的比賽表現進行評判。

技術領域

本發明涉及一種基于情感計算的足球運動員比賽表現評估方法，屬于機器學習技術領域。

背景技術

分析球員的比賽表現對于整個足球行業有著重要價值。對于球隊管理層，通過觀察一段時間內的球員比賽表現，可輔助其更好的完成球員交易活動；對于教練團隊，近期的球員比賽表現可為其制定上場陣容，比賽策略提供建議；對于球員自身，比賽表現分數也可激勵其更努力的訓練和比賽。

目前，球員表現評估主要通過以下兩種方式來實現。一是基于專家的主觀評價，二是基于比賽統計數據的計算機自動評分。但前者的人力成本較大，且不同專家之間有一定的主觀偏差；后者完全基于數據，丟失了許多技術統計數據無法體現的信息(如一次精彩的射門和一次糟糕的射門均被視為一次射門)?？紤]到每場比賽之后會有大量的比賽戰報，這些戰報專業性強，且包含大量的球員表現信息。因此，可利用獲取戰報中的涉及球員表現的文本信息，運用情感計算技術，將其加以抽取和量化，并與技術統計信息相結合，最終輸出更加科學合理的球員表現評分。

發明內容

本發明的目的是為了解決如何利用機器學習對足球運動員比賽表現進行分析評估的技術問題，創造性地提出一種基于情感計算的足球運動員比賽表現評估方法。

本方法的創新點在于，利用情感計算技術和文本信息抽取技術，將足球戰報中涉及球員表現的表述進行結構化處理并進行量化，之后與統計數據進行結合，利用線性回歸算法輸出球員表現評分。本方法結合了球員的統計信息以及戰報的文本信息，可更加科學合理地對球員表現進行評估評判。如圖1所示。

為實現上述目的，本發明采用的技術方法如下：

一種基于情感計算的足球運動員比賽表現評估方法，包括以下步驟：

步驟1：訓練情感計算模型。如圖2所示，包括以下步驟：

步驟1.1：收集若干篇相關體育新聞作為語料集，以CBOW為網絡，訓練輸出為100維詞向量的word2vec模型，即，將每一中文詞匯轉化為100維的向量。

步驟1.2：獲取若干場次足球比賽(如中超聯賽2018賽季全部比賽)由足球評論員撰寫的賽后戰報。

步驟1.3：將整篇戰報切分為若干句子。

步驟1.4：對句子進行分詞處理，使用步驟1.1訓練好的word2vec模型，將每個詞轉化為100維的詞向量，進而將句子轉化為向量序列。

步驟1.5：邀請標注人員將每個句子的情感傾向分為四類：積極、中性、消極、與球員表現無關。然后，將中性和與球員表現無關的句子剔除。

步驟1.6：為增強文本情感計算模型的魯棒性，解決數據量較少，且正負樣本不平衡的問題，使用亂序的方法對步驟1.5保留下的積極和消極的句子做數據擴增。即，先將句子分詞，之后隨機變化詞的順序。

步驟1.7：將每個句子對應的詞向量序列作為輸入，將該句子對應的情感分值作為輸出標簽，使用長短時記憶網絡(LSTM)訓練得到情感計算模型。

選擇交叉熵作為損失函數，使用Adam優化器完成參數更新，其中訓練代數優選為128代。具體如下：

遺忘門：

輸入門：

當前狀態增加的信息：