芝加哥/伦敦 - 2020 年 3 月 2 日 - 体育AI 和数据领域的革命性领导者Stats Perform 今天宣布，公司AI 团队撰写的一篇研究论文已入围2020 年麻省理工学院斯隆体育分析大会研究方向的决赛。
每年，大会的研究论文竞赛都会评选出入围者，这些入围者展示的前沿研究成果影响着媒体和专业团队分析各种运动成绩的方式。由 Will Gürpınar-Morgan 博士、Daniel Dinsdale 博士、Joe Gallagher 博士、Aditya Cherukumudi 先生和 Patrick Lucey 博士共同撰写的Stats Perform论文 "You Cannot Do That Ben Stokes：使用个性化深度神经网络动态预测板球击球类型"--介绍了一个新模型，该模型可使用逐球Opta 事件数据动态预测击球手在国际板球一日赛中的击球类型。
通过采用个性化深度学习方法，板球模型考虑了各种背景因素，包括比赛状态、投球手的投球轨迹以及基于八年国际比赛档案的击球手各种个性化指标。这些指标包括衡量击球手的能力、攻击性以及面对不同类型保龄球时的首选击球区域。考虑到所有这些因素，该模型会为击球类型及其结束位置分配概率，突出最有可能出现的结果。这些洞察力可以增强现场直播的故事性，并为场上队长在特定击球手出击时采用的战略和战术提供依据。
"板球运动中面临的最大挑战之一就是如何在保龄球手和击球手之间进行正确的配合。这可能最终决定胜负，"Stats Perform首席科学家 Patrick Lucey 博士说。"我们AI 团队的这项工作意义重大，因为它可以应用于这项运动的许多不同要素。除了为赛前战略和赛中战术提供有价值的信息外，它还能为转播商提供关键的故事情节：在考虑到比赛形势的情况下，突出球员下一次击球的可能位置。这有助于更深入、更有力地讲述故事"。
在过去四年中，Stats Perform 还三次进入麻省理工学院斯隆最佳研究论文赛道的决赛，2016 年获得最佳论文奖，2017 年和 2018 年获得亚军。
"Lucey说："再次看到我们AI 团队的开创性工作得到斯隆大学评审团的认可真是太棒了，我非常期待看到这项工作在本周晚些时候的会议上得到展示。
论文全文可在麻省理工学院斯隆最佳研究论文追踪网站下载。