Prognozy e-sportowe : podejście naukowe

Zawody cybersportowe

Cel przewidywań dotyczących cybersportu

Celem pracy jest zaprojektowanie modelowego systemu do kolaboratywnego przewidywania wyników gier w eSporcie z wykorzystaniem nowoczesnej technologii neuroprognozowania. Zadanie polega na opracowaniu systemu do współpracy użytkowników
przewidywanie wyników meczów cybersportu oraz niezależne operowanie informacjami i tworzenie własnych przewidywań, co pozwala na dokonywanie najbardziej efektywnych zakładów w cybersporcie na pieniądze lub przedmioty z gier.

Główne punkty przewidywań w eSporcie to m.in:

  • Rozpatrywanie i analiza wszystkich przeszłych i przyszłych gier;
  • Uwzględnianie i analizowanie wydajności / wyników wszystkich zespołów;
  • Umożliwiając użytkownikowi dokonanie osobistych przewidywań dla każdego meczu;
  • Określanie szans drużyny na zwycięstwo na podstawie danych z poprzednich meczów.

Metoda

Problem jest rozwiązywany poprzez wywiady z ekspertami za pomocą notatek analitycznych i przy użyciu sztucznej sieci neuronowej. W utworzonej sieci neuronowej znajdują się trzy warstwy. Pierwsza warstwa składa się z 10 neuronów – receptorów, czyli neuronów wejściowych. Drugą warstwą neuronów jest warstwa wewnętrzna. Trzecią warstwą neuronów jest warstwa wyjściowa, która ma tylko 2 neurony. Danymi wejściowymi do algorytmu są: liczba wygranych meczów z ostatnich 10; liczba wygranych meczów przed danym meczem (win-streak) ocena drużyny; stabilność składu (czas niezmienności składu drużyny) średnia porażek danej drużyny. Odpowiedź brzmi: 1 lub 2 (zwycięstwo danej drużyny).

Wyniki

Aby osiągnąć ten wynik, przeprowadzono analizę odpowiedniej literatury na temat głównych typów predykcji zbiorowej. Opracowano drzewo celów i przeprowadzono systematyczną analizę obszaru tematycznego. Metoda wywiadu z
zastosowano ekspertów. Przeanalizowano główne metody prognozowania zbiorowego.
Przeprowadzono systematyczną analizę przedmiotu badań oraz obszaru tematycznego i celów.

Wnioski

W oparciu o opracowany algorytm obliczania predykcji oraz trening sieci neuronowej zaimplementowano niezależny od człowieka proces przewidywania meczów w cybersporcie. Dostępność takiego systemu znacznie ułatwi wyszukiwanie przewidywań meczów cybersportu i da każdemu możliwość uczestniczenia w przewidywaniu meczów. System daje nowy
zdynamizowanie problemu przewidywania wyników nie tylko w cybersporcie, ale w sporcie w ogóle.

Pojawiły się turnieje, profesjonalne drużyny i fani. Pojawiła się potrzeba wytypowania zwycięzcy. Zazwyczaj proces prognozowania powierza się wąskiemu gronu tzw. znawców tematu – bukmacherom lub osobom, które na bieżąco monitorują grę w danym źródle informacji. IP zasobu informacyjnego
eSports IS jest odpowiedzialne tylko za ustalanie statystyk
mecze i zawodników. Uniemożliwia to udział w skutecznym przewidywaniu wyników meczów zwykłym obserwatorom rozgrywek w cybersporcie. Celem pracy jest zaprojektowanie modelowego systemu zbiorowej predykcji wyników gier w cybersporcie, wykorzystującego nowoczesną technologię neuroprognozowania.

Opis problemu dla systemu predykcji w eSporcie

Zastosowanie metody predykcji za pomocą sieci neuronowej opartej na analizie statystyk poprzednich meczów oraz poziomu profesjonalizmu drużyn i zawodników znacznie upraszcza prostym obserwatorom cybersportu proces uzyskania trafnej prognozy. Zadanie
jest opracowanie wspólnej architektury IS dla wspólnego przewidywania przez użytkowników wyników meczów sportowych w cyberprzestrzeni oraz samodzielnego opracowywania informacji i tworzenia własnych przewidywań. IS powinien uczyć się na podstawie statystyk dotyczących konkurencji zgromadzonych w danym okresie, uwzględniając konkurentów i ich profile.
Formalnym modelem systemu predykcji meczów cybernetycznych jest tupel
S = <X, C, N, T, E, Q, U, Y, φ, φ, θ>.

Do głównych zadań IS należy:

  • Aby nagrywać i analizować wszystkie przeszłe / przyszłe mecze; aby nagrywać i analizować wydajność / wyniki wszystkich drużyn i aby umożliwić użytkownikowi osobiste przewidywanie każdego meczu;
  • Określanie szans drużyny na wygraną na podstawie danych z poprzednich meczów.

Pierwsze trzy zadania są z powodzeniem realizowane przez większość IC zajmujących się przewidywaniem meczów w cyberprzestrzeni.
To ostatnie zadanie jest nieco utrudnione, ponieważ zwykły użytkownik IS jest uzależniony od opinii ekspertów – poszczególnych bukmacherów, czyli od
czynnik ludzki. Automatyczna predykcja wyników meczów oraz możliwość rozpoczęcia przez system w określonym czasie poprawi wyniki predykcji oraz wprowadzi element niezależności predykcji od człowieka.
Dane wejściowe z różnych źródeł X (stabilność składu drużyny), wewnętrzna zawartość IS C (np. historia meczów w tym miejscu, rotacja drużyny, aktywność drużyny, itp.), ocena eksperta E (ocena drużyny, średni współczynnik porażek danej drużyny) oraz ograniczenia predykcji U (np. analiza tylko ostatnich 10 meczów) dla pewnego okresu czasu T (np. mecze tylko w ostatnim roku lub czas niezmienionego składu drużyny) stanowią podstawę do procesu prognozowania przez sztuczną sieć neuronową N
Y = θDφD φ,
gdzie C = φ (X, T, E, U), N = φ (C, T, U) oraz
Y = θ (Q, N, T, U). Odpowiedź brzmi: 1 lub 2 (zwycięstwo danej drużyny)

Kto potrzebuje automatycznego systemu przewidywania eSportu?

Zawody cybersportowe, w tym międzynarodowe, odbywają się na całym świecie. Najważniejszym z nich jest World Cyber Games, organizowany podobnie jak olimpiada.
gry. Istnieje wiele źródeł zakładów z przewidywaniami wyników meczów, ale wszystkie one są nastawione na przyjmowanie zakładów pieniężnych, a ich przewidywania opierają się na opinii poszczególnych bukmacherów. Istnieje wiele portali umożliwiających oglądanie wydarzeń ze świata eSportu, z możliwością obstawiania i publikowania przewidywań eSportowych od ekspertów.
Nie ma jednak ogólnego algorytmu do automatycznego tworzenia skutecznych prognoz w eSporcie. Zazwyczaj prognozy są tworzone przez pewne grono specjalistów w tej dziedzinie.
Ponadto, nie istnieje wspólna architektura dla systemów przewidywania meczów w cybersporcie. Autorzy opracowali i opisali w pracy ogólną architekturę dla systemów predykcyjnych w cybersporcie, w której zaimplementowali algorytm do efektywnego przewidywania meczów.
Projektowany IS ma na celu zaspokojenie potrzeb fanów gier eSportowych w zakresie oglądania meczów.

Cybersport rozwija się bardzo aktywnie. Powoduje to duże zapotrzebowanie na treści eSportowe. Przewidywanie wyników gier jest integralną częścią tej treści. Ten IS jest skierowany do zwykłych graczy i fanów eSportu. Prawie nie ma podobnych IS.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *