[論文レビュー] Using Twitter to predict football outcomes

Stylianos Kampakis, Andreas Adamides|arXiv (Cornell University)|Nov 5, 2014

Sports Analytics and Performance参考文献 8被引用数 12

ひとこと要約

本研究では、ツイッターのデータがイングランド・プレミアシップリーグのサッカー試合の結果を予測できるかどうかを調査している。自然言語処理（NLP）とセンチメント分析を用いてツイッターのツイートを分析し、予測モデルを構築した。その結果、ランダムな予測を上回り、歴史的統計データのみを用いたモデルと同等の性能を示した。特に、統合モデルは個別のモデルよりも優れた正確性を示した。

ABSTRACT

Twitter has been proven to be a notable source for predictive modelling on various domains such as the stock market, the dissemination of diseases or sports outcomes. However, such a study has not been conducted in football (soccer) so far. The purpose of this research was to study whether data mined from Twitter can be used for this purpose. We built a set of predictive models for the outcome of football games of the English Premier League for a 3 month period based on tweets and we studied whether these models can overcome predictive models which use only historical data and simple football statistics. Moreover, combined models are constructed using both Twitter and historical data. The final results indicate that data mined from Twitter can indeed be a useful source for predicting games in the Premier League. The final Twitter-based model performs significantly better than chance when measured by Cohen's kappa and is comparable to the model that uses simple statistics and historical data. Combining both models raises the performance higher than it was achieved by each individual model. Thereby, this study provides evidence that Twitter derived features can indeed provide useful information for the prediction of football (soccer) outcomes.

研究の動機と目的

• ツイッターのデータがイングランド・プレミアシップリーグのサッカー試合の結果を信頼できる予測要因として機能するかどうかを明らかにすること。
• 歴史的サッカー統計データにのみ依存するモデルと比較して、ツイッター由来の特徴量の予測力の優位性を評価すること。
• ツイッターのデータと伝統的な統計データを統合することで、予測の正確性が向上するかどうかを評価すること。
• リアルタイムのソーシャルメディアのセンチメントをスポーツの結果予測に活用する可能性の有効性を評価すること。

提案手法

• 3か月間にわたり、イングランド・プレミアシップリーグの試合に関連するツイートをツイッターのAPIを用いて収集した。
• 自然言語処理（NLP）技術を用いて、ツイートからセンチメントとトピックの特徴量を抽出した。
• ツイッター由来の特徴量を用いて、ロジスティック回帰やその他の機械学習分類器を用いて予測モデルを構築した。
• チームの順位や得失点差などの単純なサッカー統計データのみを用いたベースラインモデルを構築した。
• ツイッターの特徴量と歴史的統計データを統合することで、予測性能を向上させたハイブリッドモデルを構築した。
• Cohenの kappa と正確性の指標を用いてモデルのパフォーマンスを評価し、ランダムな予測とベースラインモデルとを比較した。

実験結果

リサーチクエスチョン

• RQ1 ツイッターのセンチメントと議論のボリュームは、イングランド・プレミアシップリーグのサッカー試合の結果を予測できるか？
• RQ2 ツイッターに基づくモデルの予測性能は、歴史的サッカー統計データのみを用いたモデルと比べてどうか？
• RQ3 ツイッターのデータと伝統的な統計データを統合することで、予測の正確性がどの程度向上するか？
• RQ4 ツイッターのデータの予測力は、ランダムな確率を上回る統計的有意性を持つのか？

主な発見

• Cohenの kappa を用いた測定において、ツイッターに基づく予測モデルはランダムな予測を有意に上回った。
• ツイッターのみを用いたモデルの性能は、歴史的サッカー統計データのみを用いたモデルと同等の水準であった。
• ツイッターと歴史的データを統合したハイブリッドモデルは、個別に使用したモデルよりも高い予測正確性を達成した。
• ツイッターにおけるセンチメントと議論のボリュームは、試合結果の予測に有意義な予測要因であることが判明した。
• 本研究では、リアルタイムのソーシャルメディアデータがスポーツ予測において実用的な予測インサイトを提供できることを示した。
• 結果から、ソーシャルメディアをスポーツアナリティクスにおける補完的データソースとして活用することが可能であることが裏付けられた。