[논문 리뷰] PlayeRank: Multi-dimensional and role-aware rating of soccer player performance.

Luca Pappalardo, Paolo Cintia외 4명|arXiv (Cornell University)|2018. 02. 14.

Sports Analytics and Performance참고 문헌 19인용 수 5

한 줄 요약

PlayeRank는 네 개의 유럽 리그에서 수백만 건의 경기 이벤트를 통합한 역할 인식 분석을 기반으로 한 데이터 기반의 다차원 프레임워크로, 축구 선수 성과를 평가한다. 전문가 평가와의 일치도에서 기존 방법들을 크게 능가하며, 선수 검색을 위한 효율적인 공간 쿼리 기능을 제공하여 축구 분석 플랫폼에서의 견고성과 확장성을 입증한다.

ABSTRACT

The problem of rating the performance of soccer players is attracting the interest of many companies, websites, and the scientific community, thanks to the availability of massive data capturing all the events generated during a game (e.g., tackles, passes, shots, etc.). Existing approaches fail to fully exploit the richness of the available data and lack of a proper validation. In this paper, we design and implement PlayeRank, a data-driven framework that offers a principled multi-dimensional and role-aware evaluation of the performance of soccer players. We validate the framework through an experimental analysis advised by soccer experts, based on a massive dataset of millions of events pertaining four seasons of the five prominent European leagues. Experiments show that PlayeRank is robust in agreeing with the experts' evaluation of players, significantly improving the state of the art. We also explore an application of PlayeRank --- i.e. searching players --- by introducing a special form of spatial query on the soccer field. This shows its flexibility and efficiency, which makes it worth to be used in the design of a scalable platform for soccer analytics.

연구 동기 및 목표

• rich한 경기 이벤트 데이터를 활용하지 못하고 철저한 검증이 부족한 기존 선수 평가 시스템의 한계를 해결하기 위해.
• 선수의 위치와 역할을 고려한 원칙적인 데이터 기반 프레임워크를 개발하기 위해.
• 4개 이상의 시즌에 걸친 유럽 리그 이벤트 대량 데이터셋을 대상으로 전문가가 주석 처리한 평가를 통해 프레임워크를 검증하기 위해.
• 축구 화면에서의 공간적 기준과 성과 기반 기준을 활용한 선수 검색을 통해 프레임워크의 확장성과 실용성을 입증하기 위해.

제안 방법

• 프레임워크는 경기 이벤트(예: 패assing, 태클, 슈팅 등)에서 유도된 다양한 성과 지표를 기반으로 한 다차원 스코링 시스템을 활용한다.
• 특정 위치 기반 기준(예: 센터 밸런서 미드필더 대비 풋백)에 따라 성과 스코어를 校정함으로써 역할 인식 기능을 통합한다.
• 선수 상호작용과 이벤트 시퀀스를 네트워크로 모델링하는 그래프 기반 순위 매기기 기법을 사용해 선수 평가 점수를 산출한다.
• 자동화된 평가 점수와 인간 전문가 평가를 비교하는 검증 파이프라인을 통해 전문가 피드백을 통합한다.
• 경기 중 위치 행동과 성과 프로파일에 기반한 효율적인 선수 검색을 가능하게 하는 공간 쿼리 메커니즘을 도입한다.
• 프레임워크는 유럽 리그 4개 시즌의 수백만 건의 이벤트 데이터를 기반으로 훈련 및 평가된다.

실험 결과

연구 질문

• RQ1 다차원적이고 역할 인식 기반의 평가 시스템은 축구 선수 성과에 대한 전문가 평가와 얼마나 잘 일치하는가?
• RQ2 PlayeRank는 기존 최첨단 방법 대비 평가 정확도와 일관성 측면에서 어느 정도 뛰어나게 성과를 내는가?
• RQ3 프레임워크는 축구 화면에서 공간적 기준과 성과 기반 기준을 활용한 확장성 있고 효율적인 선수 검색을 지원할 수 있는가?
• RQ4 다양한 위치에서의 선수 역할과 위치 책임의 변화에 대해 PlayeRank는 얼마나 견고한가?

주요 결과

• PlayeRank는 기존 최첨단 방법보다 전문가 평가와 유의미하게 더 높은 일치도를 보이며, 선수 성과 평가의 정확도 향상을 입증한다.
• 프레임워크는 역할 기반 기여도를 효과적으로 포착하며, 위치 인식 정규화가 평가의 공정성과 해석 가능성 향상에 기여함을 보여준다.
• 검증 과정에서 전문가 피드백을 통합함으로써 PlayeRank의 출력이 다양한 선수 역할에 걸쳐 신뢰성 있고 일관된 결과를 제공함을 확인한다.
• 공간 쿼리 메커니즘은 필드 위치와 성과 기반으로 효율적이고 의미 있는 선수 검색을 가능하게 하며, 프레임워크의 실용적 유용성을 입증한다.
• PlayeRank는 여러 시즌과 리그에 걸쳐 견고성을 유지하며, 강력한 일반화 능력과 확장성을 보여준다.
• 프레임워크의 설계는 효율성과 적응 가능성 덕분에 대규모 축구 분석 플랫폼에의 구현을 지원한다.