基于PAGERANK算法的体育竞赛团体实力预测方法.pdf

本发明涉及计算机数据挖掘领域，具体涉及基于pagerank算法的体育竞赛团体实力预测方法。该方法的具体步骤如下：S1 获取各团体竞赛的历史数据，历史赛季中团体Аi与团体Аj比赛的最终比分结果Pi∶Pj；每个运动员最近n场比赛的场均得分Pit(1

1.  基于Pagerank算法的体育竞赛团体实力排名方法。其特征在于,该方法包括以下步骤:
S1 获取各团体竞赛的历史数据，历史赛季中团体А_i与团体А_j比赛的最终比分结果P_i∶P_j；每个运动员最近n场比赛的场均得分p_it(1<i<n, 1<t<m；其中n表示该体育竞赛中团体的总数，m为第i团体中上场运动员的总人数)；以及每场比赛双方出场的运动员。
S2 根据团体中主力运动员的变动，修改历史数据中的比分结果，得出我们预测实力的修正后比分结果。
S3 利用修正后的比分结果，构造团体之间的投票贡献矩阵。
S4 计算得出团体综合实力。

2.  根据权利要求1的方法，其中所述步骤S2中修正后的比分,其特征在于,主力运动员是指最近n场比赛的得分高于该团体中上场运动员的平均的得分即：p_it> ；团体А_i与团体А_j交锋（1<i、j<n,且i≠j）记录А_i与А_j的比赛的最终比分P_i与P_j,在主力运动员未发生变动的情况下，保留比分不变，即修正后的比分结果P_i^’：P_j^’与比赛的最终比分P_i：P_j相同；在团体А_i与团体А_j主力运动员发生变动的情况下，对比赛的最终比分P_i与P_j分别加减p_it与p_jt后得到P_i^’：P_j^’作为比赛修正后的比分。

3.  根据权利要求1或2的方法，其中所述步骤S3贡献矩阵，其特征在于, 在比赛修正后的比分结果的中，当联赛中团体А_i输的总场次数为X，而团体А_i输给团体А_j y场时(P_i^’<P_j^’),记团体А_j对团体А_i的贡献值是,否则,团体А_j对团体А_i的贡献值是0；依次对А_i (i=1、2、3…n)分别进行统计,当团体А_i一场未输时，每个团体对А_i的贡献值均为,可以得到一个n*n阶矩阵M，且矩阵的每一列的值之和等于1。

4.  根据权利要求1—3的方法，其中在所述步骤S4中实力排名，其特征在于定义M_∞= ，Rank=b* M_∞其中b表示团体的初始实力，b=（, ,…,）的一个1*n的行向量，Rank向量的每一个元素是每个团体综合实力的大小。

基于pagerank算法的体育竞赛团体实力预测方法
技术领域
本发明涉及计算机数据挖掘领域，尤其涉及一种基于pagerank算法的体育竞赛团体实力预测方法。
背景技术
随着互联网的发展和人们对于各种体育竞技赛事的关注度的提高，像欧洲足球五大联赛、美国职业橄榄球联赛、美国职业篮球联赛等团体体育的竞技赛事已经不只受到当地居民的关注，这些赛事已经普及全球。各大型博彩公司、大型网站纷纷对赛事的结果进行统计往往都给出联赛中团体当前的战绩状况，然后根据团体的胜率给出一个胜负排名。而比赛关注者通过这个胜负排名评价团队的实力强弱，或者根据自己的偏好对团队实力进行划分。但是由于团体已比赛过的对手的实力不同，所以，胜率并不能真实的反映当前团体的综合实力，另外，处于大数据时代的今天，我们更应该根据已有的历史比赛数据来进行科学的合理的推导，而不能仅仅靠我们的直觉、偏好对一个团体的实力进行预测。
Pagerank是Google用来标识网页的等级/重要性的一种方法，是Google用来衡量一个网站的好坏的唯一标准。PageRank背后的概念是：1.如果一个网页被很多其他网页链接到的话说明这个网页比较重要，也就是pagerank值会相对较高；2.如果一个pagerank值很高的网页链接到一个其他的网页，那么被链接到的网页的pagerank值会相应地因此而提高。为了解决基于团体胜率所给出的胜负排名带来的误差。在此，我们将体育竞技中已经比赛过的赛事，进行修改后看作是参赛团体之间的投票。从而，利用pagerank算法对团体的综合实力进行预测。
发明内容
本鉴于此，本发明的主要目在于提供了一种基于pagerank算法的体育竞赛中团体实力的预测方法。
为了得到上述的目的，本发明的技术方案实现的步骤：
S1 获取各团体竞赛的历史数据，历史赛季中团体А_i与团体А_j比赛的最终比分结果P_i∶P_j；每个运动员最近n场比赛的场均得分p_it(1<i<n, 1<t<m；其中n表示该体育竞赛中团体的总数，m为第i团体中上场运动员的总人数)；以及每场比赛双方出场的运动员。
S2 根据团体中主力运动员的变动，修改历史数据中的比分结果，得出我们预测实力的修正后比分结果。
S3 利用修正后的比分结果，构造团体之间的投票贡献矩阵。
S4 计算得出团体综合实力。
进一步，作为一种优选方案，步骤S2中所述的更改历史数据中的比分结果的具体方法：
S21定义，主力运动员是指最近n场比赛的得分高于该团体中上场运动员的平均的得分即：p_it> 。
S22 此类赛事中团体А_i与团体А_j交锋（1<i、j<n,且i≠j）记录А_i与А_j的比赛的最终比分P_i与P_j,在主力运动员未发生变动的情况下，保留比分不变，即修正后的比分结果P_i^’：P_j^’与比赛的最终比分P_i：P_j相同。
S23 在团体А_i与团体А_j主力运动员发生变动的情况下，对比赛的最终比分P_i与P_j分别加减p_it与p_jt后得到P_i^’：P_j^’作为比赛修正后的比分。
进一步，作为一种优选方案，步骤S3中构造团体之间的投票贡献的具体方法：
在比赛修正后的比分结果的中，当联赛中团体А_i输的总场次数为X，而团体А_i输给团体А_j y场时(P_i^’<P_j^’),记团体А_j对团体А_i的贡献值是,否则,团体А_j对团体А_i的贡献值是0；依次对А_i (i=1、2、3…n)分别进行统计,当团体А_i一场未输时，每个团体对А_i的贡献值均为,可以得到一个n*n阶矩阵M，且矩阵的每一列的值之和等于1。
定义M_∞= ，Rank=b* M_∞其中b表示团体的初始实力，b=（, ,…,）的一个1*n的行向量，Rank向量的每一个元素是每个团体综合实力的大小。
 本发明所提供的基于pagerank算法的体育竞赛团体实力预测方法具有一下优点：
本发明主要对团体中主要运动员最近的状态和主要运动员变动，修改历史比赛中团体比分结果。然后根据团体的对手能反映团体实力的思想。通过pagerank算法计算得出团体的实力，给赛事关注者一个科学而又真实的团体实力。
附图说明
图 1 为本发明的流程图；
101 S1获取各团体竞赛的历史数据，历史赛季中团体А_i与团体А_j比赛的最终比分结果P_i∶P_j；每个运动员最近n场比赛的场均得分p_it(1<i<n, 1<t<m；其中n表示该体育竞赛中团体的总数，m为第i团体中上场运动员的总人数)；以及每场比赛双方出场的运动员。
102  S2 根据团体中主力运动员的变动，修改历史数据中的比分结果，得出我们预测实力的修正后比分结果。
103  S3 利用修正后的比分结果，构造团体之间的投票贡献矩阵。
104  S4 计算得出团体综合实力。
具体实施方式
为了使上述目的的特征和优点能够更加明显易懂，下面结合附图和具体实施方案给发明做出进一步详细的说明。
如图 1 所示，本发明提供了一种基于pagerank算法的体育竞赛团体实力预测方法，其特征在于如下步骤：
S1 获取各团体竞赛的历史数据，历史赛季中团体А_i与团体А_j比赛的最终比分结果P_i∶P_j；每个运动员最近n场比赛的场均得分p_it(1<i<n, 1<t<m；其中n表示该体育竞赛中团体的总数，m为第i团体中上场运动员的总人数)；以及每场比赛双方出场的运动员。
S2 根据团体中主力运动员的变动，修改历史数据中的比分结果，得出我们预测实力的修正后比分结果。
S3 利用修正后的比分结果，构造团体之间的投票贡献矩阵。
S4 计算得出团体综合实力。
在步骤S1中 团体竞赛选取美国男子篮球职业联赛（NBA），其中的历史赛季为在NBA官网上获取2013-2014赛季的30个球队整个常规赛的2460场比赛结果,任意一场比赛两只球队的比赛结果记为P_i∶P_j；每个球员每场比赛前的最近六比赛的场均得分p_it（新秀球员统计其2013-2014季前赛的场均得分p_it）；以及每场比赛双方出场的球员。
在步骤S2中 修改历史数据中的比分结果由于常规赛的每两支球队都会进行比赛，取当今联盟中洛杉矶湖人队和纽约尼克斯队为例。2013-2014赛季常规赛中洛杉矶湖人队与纽约尼克斯队交锋2场，两场最终比分的结果分别为 103：110和127：96； 双方第一次交锋2014.1.27前两个队的最近六场比赛的情况：

 表  格 
由表格1可知，湖人队的最近六场场均上场球员的平均得分为：10.67，在此凡是得分大于10.67分的均为湖人队的主力球员。可看出洛杉矶湖人队最近六场的主力球员是：保罗-加索尔、约迪-米克斯、肯道尔-马绍尔、尼克-杨、莱恩-凯利、克里斯-卡曼。尼克斯队的最近六场场均上场球员的平均得分为：7.00，在此凡是得分大于7.00分的均为尼克斯队的主力球员。可看出洛杉矶湖人队最近六场的主力球员是：泰森-钱德勒、卡梅罗-安东尼、雷蒙德-费尔顿、安德里亚-巴尼亚尼、蒂莫西-哈达威、J.R.-史密斯、斯塔德迈尔。在本场比赛中湖人队的克里斯-卡曼未能上场，而尼克斯队的安德里亚-巴尼亚尼、斯塔德迈尔未能上场。因此对本上比赛的别分结果进行修改，即P_i^’：P_j^’=93：96。进行相同的统计，两队第二次交锋时两队球队的主力均为发生变化，从而两队的最终比分不用进行修改，即P_i^’：P_j^’=P_i∶P_j=127：96。
在步骤S3中 投票贡献矩阵的构造是指。2013-2014赛季常规赛中，由修正后的比分结果进行统计，洛杉矶湖人队输掉比赛的总场次数为50场，洛杉矶湖人队与纽约尼克斯队交锋2场，修正后的比分结果P₁^’：P₂^’，洛杉矶湖人队输掉其中的一场,即纽约尼克斯队对洛杉矶湖人队的贡献为；依次统计洛杉矶湖人队输掉的比赛时的对手，列出对手对洛杉矶湖人队的贡献。类似的分别整理得出其余的二十九支球队的对手的贡献值。得出一个n*n阶矩阵M。
在步骤S4中 贡献矩阵的极限M_∞= ，根据实验结果测试得出当n=50时，贡献矩阵趋于稳定。则Rank=b*M₅₀其中b=（, ,…,），得出团体综合实力的相对大小，从而得出球队的综合实力。