文章详情

摘要

随着体育数据的积累和人工智能技术的快速发展，利用大数据和机器学习方法优化球员位置预测变得尤为重要。然而，传统方法往往忽略了球员之间复杂的结构关系，而这些关系对位置预测至关重要。因此，文章提出一种基于Node2Vec和轻量级梯度提升机（LGBM）的球员位置预测模型。通过数据挖掘和分析，爬取了CBA球员3个赛季的球员基础数据，并利用LGBM模型进行球员位置预测，结合超参数调优以及Node2Vec图嵌入算法，进一步提高模型本身的准确率。实验结果表明，该模型不仅能有效优化球队的阵容和战术安排，还能为球队提升竞争力和整体表现提供有力支持。

关键词

机器学习；轻量级梯度提升机；Node2Vec；预测模型

参考文献

1. [1] 霍波，李彦锋，高腾，等.体育人工智能领域关键技术的研究现状和发展方向 [J].首都体育学院学报，2023，35（3）：233-256.
2. [2] YÜCEBAŞ S C. A Deep Learning Analysis for the Effect of Individual Player Performances on Match Results [J].Neural Computing and Applications，2022，34（15）：12967-12984.
3. [3] 王泽军，游松辉.大数据背景下基于位置数据的足球战术分析方法及发展趋势 [J].上海体育学院学报，2021，45（9）：60-69+98.
4. [4] 金映言，贾俊铖，洪敏杰，等.面向NBA球员的数据分析和可视化 [J].计算机应用与软件，2021，38（8）：84-91+174.
5. [5] 符巍.基于数据驱动与数据包络分析的运动队成绩预测 [J].山东体育学院学报，2021，37（4）：102-111.
6. [6] ANIL DUMAN E，SENNAROĞLU B，TUZKAYA G. A Cluster Analysis of Basketball Players for Each of the Five Traditionally Defined Positions [J].Proceedings of the Institution of Mechanical Engineers，Part P: Journal of Sports Engineering and Technology，2024，238（1）：55-75.
7. [7] NOURAIE M，ESLAHCHI C. Positioning Soccer Players for Success: A Data-Driven Machine Learning Approach [J].Computational Mathematics and Computer Modeling with Applications(CMCMA)，2023，2（1）：24-33.
8. [8] RAAJESH S，MARTIN N，JIJI J，et al. Cricket Team Selection and Player Analysis using Data Analytics [C]//2024 IEEE Recent Advances in Intelligent Computational Systems (RAICS).Kothamangalam：IEEE，2024：1-6.
9. [9] YAGIN F H，HASAN U C H，CLEMENTE F M，et al. Proceedings of the Institution of Mechanical Engineers, Part P: Journal of Sports Engineering and Technology [EB/OL].[2024-09-28].https://journals.sagepub.com/doi/abs/10.1177/17543371231199814.
10. [10] 杨杰.一种基于传感器的球员追踪方法 [J].微型电脑应用，2023，39（3）：12-16.
11. [11] 王飞，黄涛，杨晔.基于Stacking多模型融合的IGBT器件寿命的机器学习预测算法研究 [J].计算机科学，2022，49（S1）：784-789.
12. [12] HU J，CAO B X，ZHAO J X，et al. Research on Human Activity Behavior Recognition Technology Based on LGBM Model [C]//2023 IEEE International Conference on Sensors，Electronics and Computer Engineering (ICSECE).Jinzhou：IEEE，2023：920-923.
13. [13] 魏志强，张浩，陈龙.一种采用SmoteTomek和LightGBM算法的Web异常检测模型 [J].小型微型计算机系统，2020，41（3）：587-592.
14. [14] 李海霞，宋丹蕾，孔佳宁，等.传统机器学习模型的超参数优化技术评估 [J].计算机科学，2024，51（8）：242-255.
15. [15] 李爱华，刘婉昕，陈思帆，等.面向不平衡数据的SMOTE-BO-XGBoost集成信用评分模型研究 [J/OL].中国管理科学，2025：1-10[2025-03-24].https://doi.org/10.16381/j.cnki.issn1003-207x.2023.0635.
16. [16] HA J，PARK S. NCMD: Node2vec-Based Neural Collaborative Filtering for PRedicting MiRNA-Disease Association [J].IEEE/ACM Transactions on Computational Biology and Bioinformatics，2023，20（2）：1257-1268.

作者简介

何家丽（1999—），女，汉族，山西长治人，硕士在读，研究方向：机器学习；杨军（1986—），男，汉族，湖北荆州人，副教授，博士，研究方向：孤立子与可积系统。