基于图的下一次投球预测的方法技术

本文公开了一种用于预测下一次投球的系统和方法。计算系统检索多个事件的逐次投球信息以及与逐次投球信息中的每次投球相关联的比赛背景信息。计算系统将逐次投球信息和比赛背景信息转换为多个基于图的表示。图神经网络基于多个基于图的表示进行学习以生成每次投球的投球类型预测。计算系统基于学习来生成训练后图神经网络。计算系统接收当前投球手的当前逐次投球信息和当前比赛背景信息的当前基于图的表示。计算系统经由训练后图神经网络来预测待由当前投球手投掷的下一次投球的投球类型。类型。类型。

【技术实现步骤摘要】
【国外来华专利技术】基于图的下一次投球预测的方法
[0001]相关申请的交叉引用
[0002]本申请要求于2020年4月20日提交的美国临时申请序列号63/012,671的优先权，该美国临时申请的全部内容通过引用并入本文。


[0003]本公开总体上涉及用于使用图神经网络预测下一次投球的系统和方法。

技术介绍

[0004]体育运动中的个性化预测通常难以做出。随着对体育运动分析信息的需求的增加，对用于生成快速准确预测的改进方法的需求持续存在。

技术实现思路

[0005]在一些实施例中，本文公开了一种用于预测下一次投球的方法。计算系统检索多个事件的逐次投球信息以及与逐次投球信息中的每次投球相关联的比赛背景信息。计算系统将逐次投球信息和比赛背景信息转换为多个基于图的表示。图神经网络基于多个基于图的表示进行学习以生成每次投球的投球类型预测。计算系统基于学习来生成训练后图神经网络。计算系统接收当前投球手的当前逐次投球信息和当前比赛背景信息的当前基于图的表示。计算系统经由训练后图神经网络来预测待由当前投球手投掷的下一次投球的投球类型。
[0006]在一些实施例中，本文公开了一种用于预测下一次投球的系统。系统包括处理器和存储器。存储器具有存储在其上的编程指令，当由处理器执行时，编程指令执行一个或更多个操作。一个或更多个操作包括检索多个事件的逐次投球信息以及与逐次投球信息中的每次投球相关联的比赛背景信息。一个或更多个操作进一步包括将逐次投球信息和比赛背景信息转换为多个基于图的表示。一个或更多个操作进一步包括由图神经网络基于多个基于图的表示进行学习，以生成每次投球的投球类型预测。一个或更多个操作进一步包括基于学习来生成训练后图神经网络。一个或更多个操作进一步包括接收当前投球手的当前逐次投球信息和当前比赛背景信息的当前基于图的表示。一个或更多个操作进一步包括经由训练后图神经网络来预测待由当前投球手投掷的下一次投球的投球类型。
[0007]在一些实施例中，本文公开了一种非暂时性计算机可读介质。非暂时性计算机可读介质包括一个或更多个指令序列，一个或更多个指令序列在由一个或更多个处理器执行时，引起一个或更多个操作。一个或更多个操作包括检索多个事件的逐次投球信息以及与逐次投球信息中的每次投球相关联的比赛背景信息。一个或更多个操作进一步包括将逐次投球信息和比赛背景信息转换为多个基于图的表示。一个或更多个操作进一步包括由图神经网络基于多个基于图的表示进行学习来生成每次投球的投球类型预测。一个或更多个操作进一步包括基于学习生成训练后图神经网络。一个或更多个操作进一步包括接收当前投球手的当前逐次投球信息和当前比赛背景信息的当前基于图的表示。一个或更多个操作进
一步包括经由训练后图神经网络预测待由当前投球手投掷的下一次投球的投球类型。
附图说明
[0008]为了能够详细理解本公开的上述特征的方式，可以通过参考实施例(其中一些在附图中说明)获得对以上简要概括的本公开的更具体的描述。然而，要注意，附图仅示出了本公开的典型实施例，因此不应被视为限制本公开的范围，因为本公开可以承认其他同等有效的实施例。
[0009]图1是示出根据示例实施例的计算环境的框图。
[0010]图2示出了根据示例实施例的在事件期间投球手的投球的基于图的表示。
[0011]图3是示出根据示例实施例的生成完全训练好的预测模型的方法的流程图。
[0012]图4是示出根据示例实施例的预测下一次投球的方法的流程图。
[0013]图5示出了根据示例实施例的示例性图形用户界面。
[0014]图6A是示出根据示例实施例的计算设备的框图。
[0015]图6B是示出根据示例实施例的计算设备的框图。
[0016]为了便于理解，在可能的情况下，使用相同的参考数字来表示图中共有的相同元素。考虑到在一个实施例中公开的元素可以有益地用于其他实施例而无需具体叙述。
具体实施方式
[0017]本文描述的一种或更多种技术通常涉及基于事件的背景和与加入比赛活动的运动员相关联的历史信息来预测事件中的下一场比赛活动(例如，投球)的系统和方法。使用特定示例，本文描述的一种或更多种技术通常涉及基于例如当前比赛背景(例如，好球(strike)、坏球(ball)、局数(inning)、比分(score))和与击球手和/或投球手相关联的投球点(例如，预期得分(run)值)来预测下一次投球的系统和方法。为了生成这样的预测，本文描述的一个或更多个系统可以实施图神经网络，图神经网络被配置为接收在当前投球之前的先前投球的基于图的表示作为输入。
[0018]图1是示出根据示例实施例的计算环境100的框图。计算环境100可以包括追踪系统102、组织计算系统104以及经由网络105通信的一个或更多个客户端设备108。
[0019]网络105可以是任意合适的类型，包括经由因特网的单独连接，例如蜂窝或Wi
‑
Fi网络。在一些实施例中，网络105可以使用直接连接(例如射频识别(radio frequency identification,RFID)、近场通信(near
‑
field communication,NFC)、蓝牙
TM
、低功耗蓝牙
TM
(low
‑
energy Bluetooth,BLE)、Wi
‑
Fi
TM
、ZigBee
TM
、环境反向散射通信(ambient backscatter communication,ABC)协议、串行总线(universal serial bus,USB)、广域网(wide area network,WAN)或局域网(local area network,LAN))来连接终端、服务和移动设备。由于传输的信息可能是个人的或机密的，因此安全问题可能要求加密或以其他方式保护这些类型的连接中的一种或更多种连接。然而，在一些实施例中，正在传输的信息可能不太是个人的，因此，为了方便而不是安全，可以选择网络连接。
[0020]网络105可以包括用于交换数据或信息的任意类型的计算机网络布置。例如，网络105可以是因特网、专用数据网络、使用公共网络的虚拟专用网络和/或使计算环境100中的部件能够在环境100的部件之间发送和接收信息的其他合适的连接。
[0021]追踪系统102可以定位在场地106中。例如，场地106可以被配置为举办包括一个或更多个代理112的体育运动赛事。追踪系统102可以被配置为捕获比赛台面上的所有代理(即，运动员)的运动以及一个或更多个其他关联对象(例如，球、裁判员等)的信息。在一些实施例中，追踪系统102可以是使用例如多个固定相机的基于光学的系统。例如，可以使用六个固定的校准的相机的系统，其将运动员和球的三维位置投影到球场的二维俯视图上。在另一个示例中，固定和非固定相机的混合可用于捕获比赛台面上所有代理的运动以及一个或更多个对象或相关事宜。本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于预测下一次投球的方法，包括：由计算系统检索多个事件的逐次投球信息以及与所述逐次投球信息中的每次投球相关联的比赛背景信息；由所述计算系统将所述逐次投球信息和所述比赛背景信息转换为多个基于图的表示；由图神经网络基于所述多个基于图的表示进行学习，以生成每次投球的投球类型预测；由所述计算系统基于所述学习来生成训练后图神经网络；由所述计算系统接收当前投球手的当前逐次投球信息和当前比赛背景信息的当前基于图的表示；以及由所述计算系统经由所述训练后图神经网络来预测待由所述当前投球手投掷的下一次投球的投球类型。2.根据权利要求1所述的方法，其中，所述逐次投球信息包括所述逐次投球信息中的每次投球的投球类型标签。3.根据权利要求1所述的方法，其中，与所述逐次投球信息中的每次投球相关联的比赛背景信息包括投球计数、局数、比分、在垒的跑垒员和投球结果。4.根据权利要求1所述的方法，其中，由所述计算系统将所述逐次投球信息和所述比赛背景信息转换为所述多个基于图的表示，包括：为每个事件中的每个投球手生成被投掷的投球的基于图的表示，其中，所述基于图的表示中的每个节点对应于由相应投球手投掷的相应投球，并且其中，每个节点包括与其对应的至少一种投球类型。5.根据权利要求4所述的方法，进一步包括：将所述基于图的表示中的每个节点与表示所投掷的投球的顺次排序的边缘连接。6.根据权利要求5所述的方法，进一步包括：基于所述逐次投球信息和所述比赛背景信息为每个节点生成全局变量数据集，其中，所述全局变量数据集不包括对应于与每个节点相关联的投球的投球类型。7.根据权利要求6所述的方法，其中，所述图神经网络包括第一多层感知器层、第二多层感知器层和第三多层感知器层，并且其中，由所述图神经网络基于所述多个基于图的表示进行学习，以为每个投球生成投球类型预测，包括：识别每个边缘的前导节点和尾随节点，并且将与所述前导节点和所述尾随节点相关联的节点信息输入到所述第一多层感知器层中；由所述第一多层感知器层输出与每个边缘对应的边缘嵌入；提供每个边缘的边缘嵌入信息和每个节点的节点信息，作为所述第二多层感知器层的输入；以及提供所述全局变量数据集和与所述基于图的表示中的边缘和节点对应的嵌入的聚合，作为所述第三多层感知器层的输入。8.一种用于预测下一个投球的系统，包括：处理器；以及存储器，所述存储器上存储有编程指令，所述编程指令在由所述处理器运行时执行一个或更多个操作，包括：
检索多个事件的逐次投球信息以及与所述逐次投球信息中的每次投球相关联的比赛背景信息；将所述逐次投球信息和所述比赛背景信息转换为多个基于图的表示；由图神经网络基于所述多个基于图的表示进行学习，以生成每次投球的投球类型预测；基于所述学习来生成训练后图神经网络；接收当前投球手的当前逐次投球信息以及当前比赛背景信息的当前基于图的表示；以及经由所述训练后图神经网络来预测待由所述当前投球手投掷的下一次投球的投球类型。9.根据权利要求8所述的系统，其中，所述逐次投球信息包括所述逐次投球信息中的每次投球的投球类型标签。10.根据权利要求8所述的系统，其中，与所述逐次投球信息中的每次投球相关联的比赛背景信息...

【专利技术属性】
技术研发人员：丹尼尔，
申请(专利权)人：斯塔特斯公司，
类型：发明
国别省市：