研究提出GNN-LSTM足球比赛阶段分类框架
热点事件持续更新
研究提出GNN-LSTM足球比赛阶段分类框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
一项研究提出结合图神经网络（GNN）与序列模型的框架，对足球比赛进行逐秒的七类比赛阶段分类。作者为Vincent Renner等人。 该研究称，所选GNN-LSTM模型优于XGBoost和LSTM等聚合特征基线，最强基线在macro F1上低4.6%。模型采用近似传球线路的Delaunay三角剖分图表示，并配合自定义的Spatial Edge-Augmented Convolution（SEAConv）层，取得最佳性能。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
用图神经网络从时空追踪数据自动识别足球比赛阶段报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv stat.ML用图神经网络从时空追踪数据自动识别足球比赛阶段
一项研究提出结合图神经网络（GNN）与序列模型的框架，对足球比赛进行逐秒的七类比赛阶段分类。所选 GNN-LSTM 模型优于 XGBoost 和 LSTM 等聚合特征基线，最强基线在 macro F1 上低 4.6%。采用近似传球线路的 Delaunay 三角剖分图表示，配合自定义 Spatial Edge-Augmented Convolution（SEAConv）层，取得最佳性能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。