図面 (/)

技術 マルチソース異種データに基づいて予測するための方法及び装置

出願人 バイドゥオンラインネットワークテクノロジー(ペキン)カンパニーリミテッド
発明者 ワンチンフゥウェイシェンヂーヨン
出願日 2014年12月26日 (4年10ヶ月経過) 出願番号 2014-264903
公開日 2016年4月7日 (3年7ヶ月経過) 公開番号 2016-048535
状態 特許登録済
技術分野 学習型計算機 特定用途計算機 検索装置 知識ベースシステム
主要キーワード 節項目 モデルパラメータ値 調節パラメータ パフォーマンスレベル 正規化処理後 ガンマ分布 予測条件 技術的解決策
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年4月7日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (5)

課題

マルチソース異種データに基づいて予測するための方法及び装置を提供する。

解決手段

本発明の方法は、設定されたタイプのイベントに関して、イベント結果を反映し得る、少なくとも2つのタイプの履歴データを取得するステップと、設定されたタイプのイベントの属性データと、少なくとも2つのタイプの履歴データとの結合尤度モデル確立し、最大事後原則に従って、属性データの最適な推定を特定するステップと、設定されたタイプである、予測されるイベントに関して、結合尤度モデルにおける属性データに関連付けられた確率分布に基づいて、確率分布におけるパラメータを、予測されるイベントの予測結果として特定するステップとを含む。

概要

背景

従来技術では、一般的な予測する方法は、履歴データ及びモデルに基づいて、イベント結果を予測することである。典型的な応用シナリオは、種々の試合の結果を予測することである。

履歴試合データに基づいた予測モデルは、主として、履歴試合データにおける種々のチームパフォーマンス分析することによって、試合チームの攻撃的防御的能力推定し、このことに基づいて、後続の試合の試合結果を予測する。

この技術的解決策の欠点は主として、以下のように、種々の試合チームの試合が、時間とともにまばらに分布され、試合チームの選手が変化し、且つ選手自身の状態とともに試合の好機の特質が変動することに起因して、このことに基づいて取得された予測モデルが、正確性が乏しく、十分な安定性を有しない予測の結果を伴い、全ての試合チームの即時的な相対的強さの良好な推定をなすことが非常に困難であることである。加えて、試合のスケジュールにおいて発生した状態を即座に反映することができない。更に、1つのデータソースのみが存在し、情報量が比較的少なく、したがって、後の試合の試合結果を効果的に予測することができない。

概要

マルチソース異種データに基づいて予測するための方法及び装置を提供する。本発明の方法は、設定されたタイプのイベントに関して、イベント結果を反映し得る、少なくとも2つのタイプの履歴データを取得するステップと、設定されたタイプのイベントの属性データと、少なくとも2つのタイプの履歴データとの結合尤度モデルを確立し、最大事後原則に従って、属性データの最適な推定を特定するステップと、設定されたタイプである、予測されるイベントに関して、結合尤度モデルにおける属性データに関連付けられた確率分布に基づいて、確率分布におけるパラメータを、予測されるイベントの予測結果として特定するステップとを含む。

目的

従来技術では、一般的な予測する方法は、履歴データ及びモデルに基づいて、イベント結果を予測することである

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

マルチソース異種データに基づいて予測するための方法であって、設定されたタイプのイベントに関して、イベント結果を反映し得る、少なくとも2つのタイプの履歴データを取得するステップと、前記設定されたタイプの前記イベントの属性データと、前記少なくとも2つのタイプの履歴データとの結合尤度モデル確立し、最大事後原則に従って、前記属性データの最適な推定を特定するステップと、前記設定されたタイプである、予測されるイベントに関して、前記結合尤度モデルにおける前記属性データに関連付けられた確率分布に基づいて、前記確率分布におけるパラメータを、前記予測されるイベントの予測結果として特定するステップとを含むことを特徴とする、方法。

請求項2

前記設定されたタイプの前記イベントの属性データと、前記少なくとも2つのタイプの履歴データとの結合尤度モデルを確立する前記ステップは、前記少なくとも2つのタイプの履歴データと前記属性データとの間の関係、及び前記関係を補正して正規分布を満たすための補正関数に従って、前記結合尤度モデルを確立するステップを含むことを特徴とする、請求項1に記載の方法。

請求項3

前記履歴データと前記属性データとの間の前記関係は、ポアソン分布関数及び/又はガンマ分布関数を含むことを特徴とする、請求項2に記載の方法。

請求項4

前記方法は特に、試合に関して、試合結果を反映し得る履歴スコア及び履歴オッズを、前記2つのタイプの履歴データとして取得するステップと、試合mに関して、前記試合mのホームオッズpm,1、平均オッズpm,2、及びビジタオッズpm,3を使用して、以下の関係式に基づいて、前記試合mのポアソン分布ホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2を特定するステップであって、ここで、P()は、分布確率であり、mは、前記試合の連続番号であり、mの値の範囲は、1からMであるステップと、オッズに基づいて特定される、各試合の前記ホームチームゴールパラメータλm,1及び前記ビジタチームゴールパラメータλm,2とともに、各試合のホームチームスコアsm,1及びビジタチームスコアsm,2を、以下の式に代入して、試合チームの攻撃的防御的能力パラメータθに関する、以下の結合尤度モデルを構築し、最大事後方式によって、各試合チームの攻撃的/防御的能力パラメータθを特定するステップであって、ここで、nは、試合チームの連続番号であり、αiは、試合チームiの攻撃的能力パラメータであり、djは、試合チームjの防御的能力パラメータであり、bk及びbk’は、試合の状態に従って、ホームチーム及びビジタチームとして試合するときの試合チームの攻撃的能力パラメータ及び防御的能力パラメータを補正するためにそれぞれ使用される、前記試合の状態調節パラメータであり、P(θ)の意味は、θの分布確率であり、sの値がsm,1であるとき、であり、sの値がsm,2であるとき、であり、λの値がλm,1であるとき、であり、λの値がλm,2であるとき、であり、gは、予め設定された重み値であり、βは、予め設定された第1の調節パラメータ値であり、σ1は、予め設定された第2の調節パラメータ値であり、σ2は、予め設定された第3の調節パラメータ値であり、Γ()は、ガンマ関数であり、logN()関数は、対数正規分布関数であり、は、設定された閾値より少ない履歴データを有する試合チームを補正するのに使用され、は、試合チームの攻撃的/防御的能力バランスを補正するのに使用される、ステップとを含むことを特徴とする、請求項1〜3のいずれか一項に記載の方法。

請求項5

前記設定されたタイプである、予測されるイベントに関して、前記結合尤度モデルにおける前記属性データに関連付けられた確率分布に基づいて、前記確率分布におけるパラメータを、前記予測されるイベントの予測結果として特定する前記ステップは、予測される試合cに関して、前記試合に参加しているホームチームi及びビジタチームjの攻撃的/防御的能力パラメータθに従って、以下の関係式に基づいて、前記試合cのホームチーム分布パラメータλc,1及びビジタチーム分布パラメータλc,2を特定するステップであって、は、前記予測される試合cに従って特定されたホームチーム補正係数であり、は、前記ホームチームiの攻撃的能力パラメータであり、は、前記ビジタチームjの防御的能力パラメータであり、は、前記予測される試合cに従って特定されたビジタチーム補正係数であり、は、前記ビジタチームjの攻撃的能力パラメータであり、は、前記ホームチームiの防御的能力パラメータである、ステップと、前記予測される試合cに関して、前記ホームチーム分布パラメータλc,1及び前記ビジタチーム分布パラメータλc,2に従って、以下の関係式に基づいて、オッズpc,1、pc,2、及びpc,3を特定するステップと、前記予測される試合cに関して、前記ホームチーム分布パラメータλc,1及び前記ビジタチーム分布パラメータλc,2に従って、以下の関係式に基づいて、スコアsc,1及びsc,2を特定するステップとを含むことを特徴とする、請求項4に記載の方法。

請求項6

試合に関して、試合結果を反映し得る履歴スコア及び履歴オッズを、2つのタイプの履歴データとして取得した後、前記方法は、前記履歴オッズに関する正規化処理を実行するステップを更に含むことを特徴とする、請求項4に記載の方法。

請求項7

マルチソース異種データに基づいて予測するための装置であって、設定されたタイプのイベントに関して、イベント結果を反映し得る、少なくとも2つのタイプの履歴データを取得する、データ取得モジュールと、前記設定されたタイプの前記イベントの属性データと、前記少なくとも2つのタイプの履歴データとの結合尤度モデルを確立し、最大事後原則に従って、前記属性データの最適な推定を特定する、モデル推定モジュールと、前記設定されたタイプである、予測されるイベントに関して、前記結合尤度モデルにおける前記属性データに関連付けられた確率分布に基づいて、前記確率分布におけるパラメータを、前記予測されるイベントの予測結果として特定する、結果予測モジュールとを備えることを特徴とする、装置。

請求項8

前記モデル推定モジュールは特に、前記少なくとも2つのタイプの履歴データと前記属性データとの間の関係、及び前記関係を補正して正規分布を満たすための補正関数に従って、前記結合尤度モデルを確立するのに使用されることを特徴とする請求項7に記載の装置。

請求項9

前記履歴データと前記属性データとの間の前記関係は、ポアソン分布関数及び/又はガンマ分布関数を含むことを特徴とする、請求項8に記載の装置。

請求項10

前記データ取得モジュールは特に、試合に関して、試合結果を反映し得る履歴スコア及び履歴オッズを、2つのタイプの履歴データとして取得することに使用され、前記モデル推定モジュールは特に、試合mに関して、前記試合mのホームオッズpm,1、平均オッズpm,2、及びビジタオッズpm,3を使用して、以下の関係式に基づいて、前記試合mのポアソン分布のホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2を特定し、ここで、P()は、分布確率であり、mは、前記試合の連続番号であり、mの値の範囲は、1からMであり、並びに、オッズに基づいて特定される、各試合の前記ホームチームゴールパラメータλm,1及び前記ビジタチームゴールパラメータλm,2とともに、各試合のホームチームスコアsm,1及びビジタチームスコアsm,2を、以下の式に代入して、試合チームの攻撃的/防御的能力パラメータθに関する、以下の結合尤度モデルを構築し、最大事後方式によって、各試合チームの攻撃的/防御的能力パラメータθを特定するように使用され、ここで、nは、試合チームの連続番号であり、αiは、試合チームiの攻撃的能力パラメータであり、djは、試合チームjの防御的能力パラメータであり、bk及びbk’は、試合の状態に従って、ホームチーム及びビジタチームとして試合するときの試合チームの攻撃的能力パラメータ及び防御的能力パラメータを補正するためにそれぞれ使用される、前記試合の状態調節パラメータであり、P(θ)の意味は、θの分布確率であり、sの値がsm,1であるとき、であり、sの値がsm,2であるとき、であり、λの値がλm,1であるとき、であり、λの値がλm,2であるとき、であり、gは、予め設定された重み値であり、βは、予め設定された第1の調節パラメータ値であり、σ1は、予め設定された第2の調節パラメータ値であり、σ2は、予め設定された第3の調節パラメータ値であり、Γ()は、ガンマ関数であり、logN()関数は、対数正規分布関数であり、は、設定された閾値より少ない履歴データを有する試合チームを補正するのに使用され、は、試合チームの前記攻撃的/防御的能力のバランスを補正するのに使用されることを特徴とする、請求項7〜9のいずれか一項に記載の装置。

請求項11

前記結果予測モジュールは特に、予測される試合cに関して、前記試合に参加しているホームチームi及びビジタチームjの攻撃的/防御的能力パラメータθに従って、以下の関係式に基づいて、前記予測される試合cのホームチーム分布パラメータλc,1及びビジタチーム分布パラメータλc,2を特定し、は、前記予測される試合cに従って特定されたホームチーム補正係数であり、は、前記ホームチームiの攻撃的能力であり、は、前記ビジタチームjの防御的能力であり、は、前記予測される試合cに従って特定されたビジタチーム補正係数であり、は、前記ビジタチームjの攻撃的能力であり、は、前記ホームチームiの防御的能力であり、前記予測される試合cに関して、前記ホームチーム分布パラメータλc,1及び前記ビジタチーム分布パラメータλc,2に従って、以下の関係式に基づいて、オッズpc,1、pc,2、及びpc,3を特定し、前記予測される試合cに関して、前記ホームチーム分布パラメータλc,1及び前記ビジタチーム分布パラメータλc,2に従って、以下の関係式に基づいて、スコアsc,1及びsc,2を特定するのに使用されることを特徴とする、請求項10に記載の装置。

請求項12

前記モデル推定モジュールはまた特に、試合に関して、試合結果を反映し得る履歴スコア及び履歴オッズを、2つのタイプの履歴データとして取得した後に、前記履歴オッズに関する正規化処理を実行するのに使用されることを特徴とする、請求項10に記載の装置。

技術分野

0001

本発明の実施形態は、データ処理技術に関し、特に、マルチソース異種データに基づいて予測するための方法及び装置に関する。

背景技術

0002

従来技術では、一般的な予測する方法は、履歴データ及びモデルに基づいて、イベント結果を予測することである。典型的な応用シナリオは、種々の試合の結果を予測することである。

0003

履歴試合データに基づいた予測モデルは、主として、履歴試合データにおける種々のチームパフォーマンス分析することによって、試合チームの攻撃的防御的能力推定し、このことに基づいて、後続の試合の試合結果を予測する。

0004

この技術的解決策の欠点は主として、以下のように、種々の試合チームの試合が、時間とともにまばらに分布され、試合チームの選手が変化し、且つ選手自身の状態とともに試合の好機の特質が変動することに起因して、このことに基づいて取得された予測モデルが、正確性が乏しく、十分な安定性を有しない予測の結果を伴い、全ての試合チームの即時的な相対的強さの良好な推定をなすことが非常に困難であることである。加えて、試合のスケジュールにおいて発生した状態を即座に反映することができない。更に、1つのデータソースのみが存在し、情報量が比較的少なく、したがって、後の試合の試合結果を効果的に予測することができない。

課題を解決するための手段

0005

本発明の実施形態は、マルチソース異種データに基づいて予測して、予測の精度を改善するための方法及び装置を提供する。

0006

本発明の実施形態は、マルチソース異種データに基づいて予測するための方法であって、
設定されたタイプのイベントに関して、イベント結果を反映し得る、少なくとも2つのタイプの履歴データを取得するステップと、
設定されたタイプのイベントの属性データと、少なくとも2つのタイプの履歴データとの結合尤度モデルを確立し、最大事後原則に従って、属性データの最適な推定を特定するステップと、
設定されたタイプのイベントに属する、予測されるイベントに関して、結合尤度モデルにおける属性データに関連付けられた確率分布に基づいて、確率分布におけるパラメータを、予測されるイベントの予測結果として特定するステップと
を含む方法を提供する。

0007

本発明の実施形態はまた、マルチソース異種データに基づいて予測するための装置であって、
設定されたタイプのイベントに関して、イベント結果を反映し得る、少なくとも2つのタイプの履歴データを取得する、データ取得モジュールと、
設定されたタイプのイベントの属性データと、少なくとも2つのタイプの履歴データとの結合尤度モデルを確立し、最大事後原則に従って、属性データの最適な推定を特定する、モデル推定モジュールと、
設定されたタイプである、予測されるイベントに関して、結合尤度モデルにおける属性データに関連付けられた確率分布に基づいて、確率分布におけるパラメータを、予測されるイベントの予測結果として特定する、結果予測モジュール
を備える装置を提供する。

0008

本発明の実施形態は、階層モデルを使用して、異なるソースのデータを異なるデータレイヤに導入し、結合尤度モデルにおいて異種データを統合して分析を実行し、且つ効果的な統合(fusion)を通じて、より精確で、即時的、且つ安定した予測結果を取得する。

図面の簡単な説明

0009

本発明の実施形態Iによって提供される、マルチソース異種データに基づいて予測するための方法のフローチャート
本発明の実施形態IIによって提供される、マルチソース異種データに基づいて予測するための方法のフローチャート
本発明の実施形態IIに適用可能な、モデルとパラメータとの間の関係を例示する概略図
本発明の実施形態IIIによって提供される、マルチソース異種データに基づいて予測するための装置の概略構造図

実施例

0010

本発明は、添付図面及び実施形態とともに、以下、より詳細に説明されるであろう。本明細書において説明される特定の実施形態が、本発明を限定するのではなく、本発明を説明するために使用されるにすぎないことを理解することができる。加えて、説明を簡略化するために、添付図面は単に、全ての構造ではなく、本発明に関連する部分を示していることを留意する必要がある。

0011

実施形態I
図1は、本発明の実施形態Iによって提案される、マルチソース異種データに基づいて予測するための方法のフローチャートである。本発明の実施形態は、イベントの結果の予測に適用可能であり、特に、以下を含む:
S110、設定されたタイプのイベントに関して、イベント結果を反映し得る、少なくとも2つのタイプの履歴データが取得される。

0012

設定されたタイプのイベントは、本発明の実施形態の方法によって予測することができるイベントを指し、且つ一般的に、そのイベント結果が、典型的には、フットボールの試合及びバスケットボールの試合などの、ある確率分布を満たすイベントである。履歴データは、そのようなイベントの履歴結果データを指す。イベント結果は通常、複数の視点から表わしてもよく、各視点の結果データは、1つのタイプであるとみなしてもよい。例えば、フットボールの試合に関して、スコアデータは、試合結果を反映し得る1つのタイプのデータとみなしてもよく、且つホームチーム及びビジタチームの異なる視点から考えてもよく、スコアは、ホームチームスコア及びビジタチームスコアとして示されてもよい。オッズデータは、試合結果を反映し得る別のタイプのデータとして考えてもよく、オッズデータは、一般的に、スポーツくじなどの組織から取得され、且つ賭け手及び組織の試合結果に対する予想値を具体化することが多く、オッズデータは、ホームオッズ、平均オッズ、及びビジタオッズを備えてもよい。複数のタイプの履歴データは実際には、ある単一のデータソースタイプに限定される従来技術とは異なり、マルチソース異種データの形式を構成する。

0013

S120、設定されたタイプのイベントの属性データと、少なくとも2つのタイプの履歴データとの結合尤度モデルが確立され、最大事後原則に従って、属性データの最適な推定が特定される。

0014

属性データは、イベントの本質的な属性を指す。それは、幾つかの予想外要因を含んでもよいが、属性データは一般的には、静的且つ安定している。例えば、試合チームの攻撃的/防御的能力パラメータは、属性データとして考えてもよく、試合チームのパフォーマンスレベルは、天候病気、及び怪我によって影響されることがあるが、それは、概して安定しており、且つ試合結果を予測するための重要な基準でもある。本動作は、イベントの属性データと、少なくとも2つのタイプの履歴データとの結合尤度モデルを確立し、すなわち、マルチソース異種履歴データが包括的に考慮されて、複数のレベルからイベントの属性データを特定する。

0015

この動作は特に、少なくとも2つのタイプの履歴データと属性データとの間の関係、及び関係を補正して正規分布を満たすための補正関数に従って、結合尤度モデルを確立することであってもよい。

0016

結合尤度モデルは、包括的に、種々のタイプの履歴データと属性データとの間の関係を考慮し、各タイプの履歴データと属性データとの間の関係は、ある分布確率関数によって表されてもよい。履歴データと属性データとの間の関係は、好ましくは、ポアソン分布関数及び/又はガンマ分布関数を含む。例えば、オッズと攻撃的/防御的能力パラメータとの間の関係は、ポアソン分布関数に基づいて表されてもよく、スコアと攻撃的/防御的能力パラメータとの間の関係は、ガンマ分布関数に基づいて表されてもよい。もちろん、分布確率関数は、それらに限定されず、イベント関係を満たす、他の分布確率関数を使用して表されてもよい。

0017

これに基づいて、結合尤度モデルは、関係を補正して正規分布を満たすための補正関数を更に含むことが好ましく、すなわち、属性データにおける関係、及び属性データと試合結果との間の関係は一般的に、正規分布を満たし、且つある予想外の要因又は不十分な履歴データから生じる異常な関係に関して、極端ケースが発生することは起こりにくいので、特定された属性データの過度に大きな偏差は回避される。

0018

S130、設定されたタイプである、予測されるイベントに関して、結合尤度モデルにおける属性データに関連付けられた確率分布に基づいて、確率分布におけるパラメータが、予測されるイベントの予測結果として特定される。

0019

同一のタイプのイベントに関して、設定されたタイプのイベントの属性データが特定された後、この属性データが使用されてもよく、結合尤度モデルにおける属性データに関連付けられた確率分布に基づいて、確率分布におけるパラメータが特定される。このことは実際には、履歴データに基づいて属性データを特定することの逆の処理である。

0020

本発明の実施形態は、階層モデルを使用して、異なるソースのデータを異なるデータレイヤに導入し、結合尤度モデルにおいて異種データを統合して分析を実行し、効果的な統合を通じて、より精確で、即時的、且つ安定した予測結果を取得する。

0021

実施形態II
図2は、本発明の実施形態IIによって提供される、マルチソース異種データに基づいて予測するための方法のフローチャートであり、図3は、本発明の実施形態IIに適用可能な、モデルとパラメータとの間の関係を例示する概略図である。この実施形態は、実行のための特定の解決策を提供し、説明は、具体的な例として試合予測とともに提供される。方法は特に、
S210、試合に関して、試合結果を反映し得る履歴スコア及び履歴オッズが、2つのタイプの履歴データとして取得される。

0022

本動作は、複数の試合の履歴結果を取り、複数の試合の各々が、試合mとして示され、mは試合の連続番号であり、mの値の範囲は1からMである。各試合mのスコアは、ホームチームスコアsm,1及びビジタチームスコアsm,2として示され、各試合mのオッズは、ホームオッズpm,1、平均オッズpm,2、及びビジタオッズpm,3として示される。

0023

S220、履歴オッズに関して、正規化処理が実行される。

0024

本動作は、オッズを、分布確率関数のパラメータ形式に適合させるための、任意選択ステップである。オッズに関して、正規化処理は以下の式に基づいて実行されることが好ましい。






及び



は、正規化処理後のオッズであり、以下、統一した説明のために、正規化処理後のオッズは引き続き、pm,1、pm,2、及びpm,3として示される。

0025

S230、試合mに関して、試合mのポアソン分布のホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2は、試合mのホームオッズpm,1、平均オッズpm,2、及びビジタオッズpm,3を使用して、以下の関係式に基づいて特定される。



P()は、分布確率、すなわち、括弧に示す関係を満たす確率である。

0026

Poisson(λ)は、λをパラメータとして有するポアソン分布を示し、ランダム変数Xが、非負の整数値0,1,2,...,のみをとる場合、その確率分布は、Poisson(λ)に従うことを意味する。そして、
pm,1=P(Poisson(λm,1)>Poisson(λm,2))
の意味は、ホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2の値が、Poisson(λm,1)>Poisson(λm,2)の確率がホームオッズpm,1と等しくなるようなものであるということである。他の2つの式の意味も同様であり、ホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2は、上述した3つの関係式を満たすはずである。

0027

種々の試合のホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2は全て、上記関係式に従って特定される。試合は本質的には異なり、例えば、天候、日付、試合の重要性、スコア、及びオッズは異なり、したがって、試合に参加している試合チームが同一であったとしても、特定されるホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2は、正確には同一ではない。試合に参加することによって特定された、各試合チームのホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2は、互いに独立している。

0028

S240、オッズに基づいて特定される、各試合のホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2とともに、各試合のホームチームスコアsm,1及びビジタチームスコアsm,2は、以下の式に代入されて、試合チームの攻撃的/防御的能力パラメータθに関する、以下の結合尤度モデルを構築し、各試合チームの攻撃的/防御的能力パラメータθは、最大事後方式において特定される。



ここで



θは、各試合チームの攻撃的/防御的能力パラメータの組である。nは、試合チームの連続番号であり、αiは、試合チームiの攻撃的能力パラメータであり、djは、試合チームjの防御的能力パラメータであり、bk及びbk’は、試合の状態に従って、ホームチーム及びビジタチームとして試合するときの、試合チームの攻撃的能力パラメータ及び防御的能力パラメータを補正するためにそれぞれ使用される、試合の状態調節パラメータである。いわゆる状態調節パラメータは、試合の状態に従って、試合チームの攻撃的/防御的能力パラメータを調節するための補正係数である。なぜならば、試合に参加している試合チームが同一の場合でさえ、攻撃的/防御的能力はまた、試合の本来の状態に起因して変化することがあるからである。例えば、試合の間の天候状態は、試合のタイプが親善試合若しくはワールドカップリーグ戦などであるかに関わらず、したがって、bkは、ホームチームの攻撃的/防御的能力に対する補正係数として設定されてもよく、bk’は、ビジタチームの攻撃的/防御的能力に対する補正係数として設定されてもよく、それらの両方を、モデルからの推定を通じて取得することができる。

0029

P(θ)は、θの分布確率の意味を有し、すなわち、連続した分布ランダム変数としての確率密度を示す。

0030

関係式(5)における第1の項目は、以下のとおりである。

0031

sの値がsm,1であるとき、



であり、
sの値がsm,2であるとき、



であり、
P(s|θ)は、攻撃的/防御的能力パラメータθと、スコアsとの間の関係を示すのに使用される。

0032

関係式(5)における第2の項目は、以下のとおりである。

0033

λの値がλm,1であるとき、



であり、
λの値がλm,2であるとき、



であり、
P(λ|θ)は、攻撃的/防御的能力パラメータθと、ゴールパラメータλとの間の関係を示すのに使用される。

0034

gは、予め設定された重み値であり、攻撃的/防御的能力パラメータに対するスコア及びオッズの影響は、重み値を調節することによって調節されてもよく、βは、予め設定された第1の調節パラメータ値であり、σ1は、予め設定された第2の調節パラメータ値であり、σ2は、予め設定された第3の調節パラメータ値であり、上述したパラメータ値は全て、経験または実験に従って予め設定されてもよく、また、予測条件に従って調節されてもよい。

0035

Γ()は、ガンマ関数であり、logN()関数は、対数正規分布関数である。

0036

関係式(5)における第3の項目は、以下のとおりである。



は、設定された閾値よりも少ない履歴データを有する試合チーム、すなわち、試合チームの履歴データが比較的少ないとき、を補正するのに使用され、サンプルデータがほとんどないことに起因して、特定される試合チームの攻撃的/防御的能力が、大きな偏差を有するケースを回避するために、試合チームの攻撃的/防御的能力が一般的に、正規分布を満たし、種々の試合において過度に大きな変動を示さないことから、この調節項目が設定される。

0037

関係式(5)における第4の項目は、以下のとおりである。



は、試合チームの攻撃的/防御的能力のバランスを補正するのに使用される。すなわち、各試合チームに関して、一般的に関連付けられるそのチームの攻撃的能力と防御的能力との間に大きな差異が存在せず、したがって、この調節項目が補正のために使用される。

0038

調節項目に基づいて、すなわち、モデルハイパーパラメータ(model hyper−parameter)を調節することを通じて、履歴データを使用することと、オッズデータを使用することとの間のモデルのバランスも制御されてもよく、即時的なデータへの乖離したデータ(distant data)の重要度比率が制御されてもよい。

0039

S250、予測される試合cに関して、予測される試合cのホームチーム分布パラメータλc,1及びビジタチーム分布パラメータλc,2は、試合に参加しているホームチームi及びビジタチームjの攻撃的/防御的能力パラメータθに従って、以下の関係式に基づいて特定される。



ここで、



は、予測される試合cに従って特定されたホームチーム補正係数であり、



は、ホームチームiの攻撃的能力パラメータであり、



は、ビジタチームjの防御的能力パラメータであり、



は、予測される試合cに従って特定されたビジタチーム補正係数であり、



は、ビジタチームjの攻撃的能力パラメータであり、



は、ホームチームiの防御的能力パラメータである。

0040

S260、予測される試合cに関して、オッズpc,1、pc,2、及びpc,3が、ホームチーム分布パラメータλc,1及びビジタチーム分布パラメータλc,2に従って、以下の関係式に基づいて特定される。

0041

S270、予測される試合cに関して、スコアsc,1及びsc,2が、ホームチーム分布パラメータλc,1及びビジタチーム分布パラメータλc,2に従って、以下の関係式に基づいて特定される。

0042

本発明の実施形態の技術的解決策は、試合チームの攻撃的/防御的能力パラメータに関するモデル分析を実行し、且つこれに基づいて、後の試合の考えられる試合結果のシミュレートされた計算を実行する。各試合の試合結果に関して、2つのポアソン分布がモデリングを実行するのに使用され、スコアからポアソン分布パラメータへのモデル関係、及びオッズからポアソン分布パラメータへのモデル関係が連続して確立され、更に、攻撃的/防御的能力パラメータが、ポアソン分布パラメータの分布に関するモデリングを実行するのに使用され、2つのタイプのデータが、(深い)階層構造を有するモデルを使用して統合され、最後に、後の試合の考えられる結果の確率推定、及び他の出力が、モデル結果に従って提供される。スコアの分布が、2つのポアソン分布を使用して示される一方で、スコアの分布のポアソンモデルのパラメータ値が、オッズデータから逆に(backward)算出され、ガンマ分布が、ポアソンモデルパラメータ値の分布を示すのに使用され、ガンマ分布パラメータが、ホーム及びビジタ試合チームの攻撃的/防御的能力パラメータ、並びに他の特徴に関連付けられ、2つの側面から取得されたポアソン分布パラメータが合成されて、試合結果及びオッズデータを有するチームの攻撃的/防御的能力の結合尤度モデルを確立する。

0043

本発明の実施形態の技術的解決策は、異なるソースからの異なる構造のデータを効果的に利用してもよく、従来技術に関して、既存のフットボールの予測モデルの大部分は単に、いかなるマルチソースデータ統合コンテンツもなしに、履歴スコアデータを使用することを考慮する。しかしながら、本発明の実施形態では、マルチソース異種データを統合することを通じて、解決策は、より高い精度、より速い時間効率、且つ優れた安定性を取得することができる。

0044

実施形態III
図4は、本発明の実施形態IIIによって提供される、マルチソース異種データに基づいて予測するための装置の概略構造図である。装置は、データ取得モジュール410、モデル推定モジュール420、及び結果予測モジュール430を備える。データ取得モジュール410は、設定されたタイプのイベントに関して、イベント結果を反映し得る、少なくとも2つのタイプの履歴データを取得するのに使用され、モデル推定モジュール420は、設定されたタイプのイベントの属性データと、少なくとも2つのタイプの履歴データとの結合尤度モデルを確立し、最大事後原則に従って、属性データの最適な推定を特定するのに使用され、結果予測モジュール430は、設定されたタイプである、予測されるイベントに関して、結合尤度モデルにおける属性データに関連付けられた確率分布に基づいて、確率分布におけるパラメータを、予測されるイベントの予測結果として特定するのに使用される。

0045

上述した技術的解決策では、モデル推定モジュール420は特に、少なくとも2つのタイプの履歴データと属性データとの間の関係、及び関係を補正して正規分布を満たすための補正関数に従って、結合尤度モデルを確立するのに使用される。

0046

履歴データと属性データとの間の関係は、好ましくは、ポアソン分布関数、及び/又はガンマ分布関数を含む。

0047

上述した技術的解決策に基づいて提供される好ましい例は、以下のとおりである:
データ取得モジュール410は特に、試合に関して、試合結果を反映し得る履歴スコア及び履歴オッズを、2つのタイプの履歴データとして取得するのに使用され、
モデル推定モジュール420は特に、
試合mに関して、試合mのホームオッズpm,1、平均オッズpm,2、及びビジタオッズpm,3を使用して、以下の関係式に基づいて、試合mのポアソン分布のホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2を特定し、



ここで、P()は、分布確率であり、mは、試合の連続番号であり、mの値の範囲は、1からMであり、
オッズに基づいて特定される、各試合のホームチームゴールパラメータλm,1及びビジタチームゴールパラメータλm,2とともに、各試合のホームチームスコアsm,1及びビジタチームスコアsm,2を、以下の式に代入して、試合チームの攻撃的/防御的能力パラメータθに関する以下の結合尤度モデルを構築し、最大事後方式で各試合チームの攻撃的/防御的能力パラメータθを特定するのに使用され、



ここで、



nは、試合チームの連続番号であり、αiは、試合チームiの攻撃的能力パラメータであり、djは、試合チームjの防御的能力パラメータであり、bk及びbk’は、試合の状態に従って、ホームチーム及びビジタチームとして試合するときの、試合チームの攻撃的能力パラメータ及び防御的能力パラメータを補正するためにそれぞれ使用される、試合の状態調節パラメータであり、
P(θ)の意味は、θの分布確率であり、



sの値がsm,1であるとき、



であり、
sの値がsm,2であるとき、



であり、



λの値がλm,1であるとき、



であり、
λの値がλm,2であるとき、



であり、
gは、予め設定された重み値であり、βは、予め設定された第1の調節パラメータ値であり、σ1は、予め設定された第2の調節パラメータ値であり、σ2は、予め設定された第3の調節パラメータ値であり、
Γ()は、ガンマ関数であり、
logN()関数は、対数正規分布関数であり、



は、設定された閾値よりも少ない履歴データを有する試合チームを補正するのに使用され、



は、試合チームの攻撃的/防御的能力のバランスを補正するのに使用される。

0048

結果予測モジュール430は特に、
予測される試合cに関して、試合に参加しているホームチームi及びビジタチームjの攻撃的/防御的能力パラメータθに従って、以下の関係式に基づいて、予測される試合cのホームチーム分布パラメータλc,1及びビジタチーム分布パラメータλc,2を特定し、



ここで、



は、予測される試合cに従って特定されたホームチーム補正係数であり、



は、ホームチームiの攻撃的能力であり、



は、ビジタチームjの防御的能力であり、



は、予測される試合cに従って特定されたビジタチーム補正係数であり、



は、ビジタチームjの攻撃的能力であり、



は、ホームチームiの防御的能力であり、
予測される試合cに関して、ホームチーム分布パラメータλc,1及びビジタチーム分布パラメータλc,2に従って、以下の関係式に基づいて、オッズpc,1、pc,2、及びpc,3を特定し、



予測される試合cに関して、ホームチーム分布パラメータλc,1及びビジタチーム分布パラメータλc,2に従って、以下の関係式に基づいて、スコアsc,1及びsc,2を特定するのに使用される。

0049

モデル推定モジュール420はまた特に、試合に関して、試合結果を反映し得る履歴スコア及び履歴オッズを、2つのタイプの履歴データとして取得した後、履歴オッズに関する正規化処理を実行するのに使用される。

0050

本発明の実施形態によって提供される、マルチソース異種データに基づいて予測するための装置は、本発明の実施形態によって提供される、マルチソース異種データに基づいて予測するための方法を実行するのに使用され、且つ、対応する操作を実行することができ、対応する機能及び有意な効果を有する。

0051

上述したことは、好ましい実施形態にすぎず、本発明の応用技術原理である点に留意するべきである。当業者は、本発明が、本明細書において説明された詳細な実施形態に限定されず、当業者にとって、本発明の保護の範囲から逸脱することなしに、種々の自明な変形、再調節及び置換えを実行することができることを理解されよう。したがって、本発明は上記実施形態を通じて詳細に説明されたが、本発明は単に上記実施形態に限定されるものではなく、本発明の概念から逸脱することなしに、他の均等な実施形態も含まれ、本発明の範囲は、添付の特許請求の範囲によって特定される。

0052

410データ取得モジュール
420モデル推定モジュール
430 結果予測モジュール

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ