फुटबॉल में गठन की बड़े पैमाने पर विश्लेषण

खेलों में बेहतर और गहरे विश्लेषण की मांग के कारण, संगठन (पेशेवर टीमों और प्रसारणकर्ताओं दोनों) खिलाड़ियों की ट्रैकिंग जानकारी के रूप में स्पैटियोटेम्पोरल डेटा का उपयोग करने की खोज कर रहे हैं ताकि अपने प्रतिस्पर्धियों पर लाभ प्राप्त किया जा सके। हालांकि, डेटा की बड़ी मात्रा, इसकी असंरचित प्रकृति, और संबंधित टीम गतिविधि लेबल (जैसे रणनीतिक/ताकत) की कमी के कारण, इस तरह के डेटा से निपटने के लिए प्रभावी और कुशल रणनीतियां लागू नहीं की गई हैं। एक बाधा इस तरह के समाधान को प्रतिबंधित करती है, यह है कि खिलाड़ियों के आदेश के संभावित अनंत संख्या के क्रम की प्रतिरोधकता के लिए एक उपयुक्त प्रतिनिधित्व (यानी, खिलाड़ियों का क्रम) की कमी है, और यह समय संकेत की उच्च आयामीता (जैसे, एक फुटबॉल खेल 90 मिनट तक चलता है) की भी समस्या है। एक हालिया पद्धति का लाभ उठाते हुए जो "भूमिका-प्रतिनिधित्व" का उपयोग करती है, साथ ही स्पैटियोटेम्पोरल बायलीनियर बेसिस मॉडल का उपयोग करते हुए विशेषता कमी की रणनीति, जो एक संकुचित स्पैटियोटेम्पोरल प्रतिनिधित्व बनाने के लिए है। इस प्रतिनिधित्व का उपयोग करके, हम मैच घटनाओं से जुड़े एक टीम के सबसे संभावित गठन पैटर्न पाए जाते हैं लगभग 14 घंटे की लगातार खिलाड़ियों और गेंद की ट्रैकिंग डेटा में फुटबॉल में। इसके अतिरिक्त, हम दिखाते हैं कि हम स्वचालित रूप से एक मैच को स्पष्ट खेल चरणों में विभाजित कर सकते हैं और हाइलाइट्स का पता लगा सकते हैं। (यानी शॉट्स, कॉर्नर्स, फ्री-किक्स, आदि) पूरी तरह से स्वचालित रूप से एक निर्णय-ट्री अनुमान का उपयोग करते हुए।