[论文解读] PlayeRank: Multi-dimensional and role-aware rating of soccer player performance.

Luca Pappalardo, Paolo Cintia+4 more|arXiv (Cornell University)|Feb 14, 2018

Sports Analytics and Performance参考文献 19被引用 5

一句话总结

PlayeRank 是一种数据驱动的多维框架，通过整合四个欧洲联赛中数百万次在场比赛事件的角色感知分析，评估足球运动员的表现。它在与专家评估的一致性方面显著优于现有方法，并支持高效的球员空间查询，展现出在足球分析平台中强大的鲁棒性和可扩展性。

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.

研究动机与目标

• 解决现有球员评分系统未能充分利用丰富的在场比赛事件数据且缺乏严格验证的局限性。
• 开发一种基于原则、数据驱动的框架，考虑球员在场上的位置和角色。
• 使用大规模数据集（四个赛季以上的欧洲联赛比赛事件）中专家标注的评估结果，对框架进行验证。
• 通过在球员搜索中应用基于空间查询的实例，展示框架的可扩展性和实用性。

提出的方法

• 该框架采用多维评分系统，基于在场比赛事件（如传球、抢断、射门）推导出的多个表现指标对球员进行评估。
• 通过相对于位置特定基准（如中场球员与边后卫）校准表现评分，实现角色感知。
• 球员评分采用基于图的排名机制计算，将球员互动和事件序列建模为网络。
• 通过验证流程整合专家反馈，将自动评分与人类专家评估进行对比。
• 引入空间查询机制，以实现基于球员在场上的位置行为和表现特征的高效球员检索。
• 系统在来自五大欧洲联赛四个赛季的数百万条事件数据上进行训练和评估。

实验结果

研究问题

• RQ1 多维、角色感知的评分系统在多大程度上能与专家对足球运动员表现的评估保持一致？
• RQ2 PlayeRank 在评分准确性和一致性方面，相较于现有最先进方法，优势有多大？
• RQ3 该框架能否通过基于球场空间和表现标准的查询，支持可扩展且高效的球员搜索？
• RQ4 PlayeRank 在应对不同位置间球员角色和职责差异方面，表现出多强的鲁棒性？

主要发现

• 与现有最先进方法相比，PlayeRank 在与专家评估的一致性方面显著更高，表明其在球员表现评估中具备更高的准确性。
• 该框架有效捕捉了与角色相关的贡献，表明基于位置的归一化显著提升了评分的公平性和可解释性。
• 在验证过程中整合专家反馈，证实了 PlayeRank 输出在不同球员角色间具有可靠性和一致性。
• 空间查询机制能够基于场上位置和表现实现高效且有意义的球员检索，充分展示了该框架的实际应用价值。
• PlayeRank 在多个赛季和联赛中表现出鲁棒性，表明其具备强大的泛化能力和可扩展性。
• 该框架的设计支持其在大规模足球分析平台中的部署，因其具备高效性和适应性。