CN107145596A - 基于深度神经网络的电子竞技比赛胜负预测方法 - Google Patents
基于深度神经网络的电子竞技比赛胜负预测方法 Download PDFInfo
- Publication number
- CN107145596A CN107145596A CN201710398767.8A CN201710398767A CN107145596A CN 107145596 A CN107145596 A CN 107145596A CN 201710398767 A CN201710398767 A CN 201710398767A CN 107145596 A CN107145596 A CN 107145596A
- Authority
- CN
- China
- Prior art keywords
- data
- competition
- network
- sports
- troop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明提供了一种基于深度神经网络的电子竞技比赛胜负预测方法,包括以下步骤:基于网络爬虫机制获取互联网上的大量电子竞技比赛数据;将比赛数据分为测试数据和训练数据且标注获胜队伍编号;构造深度神经网络并在网络隐含层之间嵌入Batch Normalization;使用比赛数据对网络进行训练和测试得到网络参数;选择需要比赛预测的两支队伍,获取两支队伍的比赛数据,并使用网络参数进行计算,得到最可能获胜的一方的队伍编号。
Description
技术领域
本发明涉及一种数据挖掘与深度学习技术,特别是一种基于深度神经网络的电子竞技比赛胜负预测方法。
背景技术
当前电子竞技比赛发展迅速,赛事规模逐渐扩大,并且趋于正规化。电子竞技作为一种立足于计算机技术和网络技术的竞技项目,会产生实时数据并进行大量数据交换。随着电子竞技比赛数量的爆炸式增长,电子竞技比赛的大数据也由此产生。如何利用电子竞技比赛数据进行比赛胜负的预测是一个重要的研究前景,也是数据挖掘技术的研究内容。不同于一般的体育赛事,单场电子竞技比赛数据的数据量就非常庞大,普通的预测手段在对处理这种规模的数据时通常存在速度慢、效果差的缺点,而深度神经网络作为一种处理大数据的常用方法,非常适合应用于电子竞技比赛胜负的预测,因此提出一种基于深度神经网络的电子竞技比赛胜负预测系统。
发明内容
本发明的目的在于提供一种基于深度神经网络的电子竞技比赛胜负预测方法,包括以下步骤:
步骤1,基于网络爬虫机制获取互联网上的大量电子竞技比赛数据;
步骤2,将比赛数据分为测试数据和训练数据且标注获胜队伍编号;
步骤3,构造深度神经网络并在网络隐含层之间嵌入Batch Normalization;
步骤4,使用比赛数据对网络进行训练和测试得到网络参数;
步骤5,选择需要比赛预测的两支队伍,获取两支队伍的比赛数据,并使用网络参数进行计算,得到最可能获胜的一方的队伍编号。
本发明利用了网络上现有的电子竞技比赛数据,能够尽可能地利用每场比赛中的所有数据指标;本发明呈现预测结果的时候,能够通过用户选择收集数据,利用深度神经网络技术得到最可能获胜的队伍编号,使用户在比赛开始之前得到预测结果,十分方便直观。
下面结合说明书附图对本发明做进一步描述。
附图说明
图1是本发明基于深度神经网络的电子竞技比赛胜负预测方法流程图。
图2是基于深度神经网络的电子竞技比赛胜负预测系统演示的效果图。
具体实施方式
结合图1,一种基于深度神经网络的电子竞技比赛胜负预测方法,包括以下步骤:
步骤1,基于网络爬虫机制,获取互联网上的大量电子竞技比赛数据,比赛数据包括队伍信息和选手信息,其中对不信息包括排名、胜率、MMR,选手信息包括等级、KDA、补刀、伤害、治疗、建筑伤害、单场胜负;
步骤2,对比赛数据进行包括归一化和数据增广在内的预处理,并分为测试数据和训练数据以及各自的标签,其中测试数据:训练数据=3:1;
步骤3,构造深度神经网络,在网络中嵌入Batch Normalization;
步骤4,使用比赛数据对网络进行训练和测试,得到网络参数;
步骤5,选择需要比赛预测的两支队伍,获取两支队伍的比赛数据,并使用网络参数进行计算,得到最可能获胜的一方;
步骤6,显示预测的获胜方。
步骤1中的网站是Dotamax(http://dotamax.com/),应用于电子竞技游戏DotA2(Defense of the Ancients 2)。
步骤2中在获取到数据后对其进行预处理,比赛数据为包含多个比赛队伍多个场次的稀疏数据,每一条比赛数据对应一场比赛,其内容为参与这场比赛的两支队伍在各自最近比赛中的数据:
其中matchData(i,t)表示队伍i在比赛场次t中的数据。
每一条比赛数据也唯一地对应一个标签,即这场比赛获胜队伍编号。
数据预处理时,对该数据进行了归一化操作。
步骤3中对于深度神经网络,在网络的隐含层之间嵌入了Batch Normalization,是指对上一层的输出进行归一化:
其中x(k)是上一层的输出,是Batch Normalization的输出,为了保持表达能力,对归一化的结果增加了两个参数γ和β:
步骤5中根据用户选择的两支队伍,获取与步骤2中所述同样格式的比赛数据,其中matchData(i,t)中的队伍i对应的是已选定的两支队伍,将数据代入网络中,使用已经训练过的参数进行计算,就可以得到网络的预测结果。
步骤6中用户查询结果的呈现,如图2所示。用户选择的预测返回结果以一种清晰简洁的方式呈现给用户。
Claims (4)
1.一种基于深度神经网络的电子竞技比赛胜负预测方法,其特征在于,包括以下步骤:
步骤1,基于网络爬虫机制获取互联网上的大量电子竞技比赛数据;
步骤2,将比赛数据分为测试数据和训练数据且标注获胜队伍编号;
步骤3,构造深度神经网络并在网络隐含层之间嵌入Batch Normalization;
步骤4,使用比赛数据对网络进行训练和测试得到网络参数;
步骤5,选择需要比赛预测的两支队伍,获取两支队伍的比赛数据,并使用网络参数进行计算,得到最可能获胜的一方的队伍编号。
2.根据权利要求1所述的方法,其特征在于,所述步骤1中的比赛数据为包含多个比赛队伍多个场次的稀疏数据,每一条比赛数据内容为:
其中matchData(i,t)表示队伍i在比赛场次t中的比赛数据,比赛数据包括队伍信息和选手信息,队伍信息包括排名、胜率、MMR,选手信息包括等级、KDA、补刀、伤害、治疗、建筑伤害、单场胜负。
3.根据权利要求1所述的方法,其特征在于,所述步骤3中在网络的隐含层之间嵌入了Batch Normalization的具体过程是对上一层的输出进行公式(1)的归一化处理:
其中x(k)是上一层的输出,是Batch Normalization的输出,k是神经网络中隐含层的编号。
4.根据权利要求3所述的方法,其特征在于,步骤4中对归一化后的结果增加了两个参数γ和β,使用比赛数据对网络进行训练和测试得到网络参数γ和β
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710398767.8A CN107145596A (zh) | 2017-05-31 | 2017-05-31 | 基于深度神经网络的电子竞技比赛胜负预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710398767.8A CN107145596A (zh) | 2017-05-31 | 2017-05-31 | 基于深度神经网络的电子竞技比赛胜负预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107145596A true CN107145596A (zh) | 2017-09-08 |
Family
ID=59779379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710398767.8A Pending CN107145596A (zh) | 2017-05-31 | 2017-05-31 | 基于深度神经网络的电子竞技比赛胜负预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107145596A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229756A (zh) * | 2018-01-31 | 2018-06-29 | 华中科技大学 | 一种基于神经网络的篮球比分预测方法和系统 |
CN108804663A (zh) * | 2018-06-08 | 2018-11-13 | 北京搜狗科技发展有限公司 | 一种结果估计方法、模型训练方法和相关装置 |
CN109529356A (zh) * | 2018-11-23 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 对战结果确定方法、装置及存储介质 |
CN111209287A (zh) * | 2019-12-25 | 2020-05-29 | 杭州威佩网络科技有限公司 | 一种比赛赛程更新方法、装置、电子设备及存储介质 |
CN111695680A (zh) * | 2020-06-15 | 2020-09-22 | 北京百度网讯科技有限公司 | 成绩预测方法、成绩预测模型训练方法、装置及电子设备 |
CN112272581A (zh) * | 2018-01-21 | 2021-01-26 | 斯塔特斯公司 | 在球队运动中进行交互的、可说明的且改进的比赛和球员表现预测的方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120303564A1 (en) * | 2011-05-26 | 2012-11-29 | World Heart Corporation | Systems and methods for predicting characteristics of an artificial heart using an artificial neural network |
CN105809693A (zh) * | 2016-03-10 | 2016-07-27 | 西安电子科技大学 | 基于深度神经网络的sar图像配准方法 |
-
2017
- 2017-05-31 CN CN201710398767.8A patent/CN107145596A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120303564A1 (en) * | 2011-05-26 | 2012-11-29 | World Heart Corporation | Systems and methods for predicting characteristics of an artificial heart using an artificial neural network |
CN105809693A (zh) * | 2016-03-10 | 2016-07-27 | 西安电子科技大学 | 基于深度神经网络的sar图像配准方法 |
Non-Patent Citations (2)
Title |
---|
S. MOHAMMAD ARABZAD等: "Football Match Results Prediction Using Artificial Neural Networks; The Case of Iran Pro League", 《JOURNAL OF APPLIED RESEARCH ON INDUSTRIAL ENGINEERING》 * |
李强: "基于条件随机场的篮球比赛结果预测研究", 《中国优秀硕士学位论文全文数据库 社会科学II辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112272581A (zh) * | 2018-01-21 | 2021-01-26 | 斯塔特斯公司 | 在球队运动中进行交互的、可说明的且改进的比赛和球员表现预测的方法和系统 |
CN108229756A (zh) * | 2018-01-31 | 2018-06-29 | 华中科技大学 | 一种基于神经网络的篮球比分预测方法和系统 |
CN108804663A (zh) * | 2018-06-08 | 2018-11-13 | 北京搜狗科技发展有限公司 | 一种结果估计方法、模型训练方法和相关装置 |
CN109529356A (zh) * | 2018-11-23 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 对战结果确定方法、装置及存储介质 |
CN109529356B (zh) * | 2018-11-23 | 2022-02-18 | 腾讯科技(深圳)有限公司 | 对战结果确定方法、装置及存储介质 |
CN111209287A (zh) * | 2019-12-25 | 2020-05-29 | 杭州威佩网络科技有限公司 | 一种比赛赛程更新方法、装置、电子设备及存储介质 |
CN111695680A (zh) * | 2020-06-15 | 2020-09-22 | 北京百度网讯科技有限公司 | 成绩预测方法、成绩预测模型训练方法、装置及电子设备 |
CN111695680B (zh) * | 2020-06-15 | 2023-11-10 | 北京百度网讯科技有限公司 | 成绩预测方法、成绩预测模型训练方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107145596A (zh) | 基于深度神经网络的电子竞技比赛胜负预测方法 | |
Huang et al. | Master maker: Understanding gaming skill through practice and habit from gameplay behavior | |
Wen et al. | Power testing in basketball: Current practice and future recommendations | |
Buchheit et al. | Mechanical determinants of acceleration and maximal sprinting speed in highly trained young soccer players | |
Ouergui et al. | Time-motion analysis of elite male kickboxing competition | |
CN108579090A (zh) | 虚拟场景中的物品展示方法、装置和存储介质 | |
Turner et al. | Strength and conditioning for fencing | |
Loffing | Left-handedness and time pressure in elite interactive ball games | |
Kajmovic et al. | A comparison of gripping configuration and throwing techniques efficiency index in judo between male and female judoka during Bosnia and Herzegovina senior state championships | |
CN110147524A (zh) | 一种基于机器学习的比赛结果预测方法、装置及设备 | |
CN112402986B (zh) | 一种对战游戏中强化学习模型的训练方法及装置 | |
Esteve-Lanao et al. | Running world cross-country championships: a unique model for pacing | |
Cormier et al. | A systematic review of resistance training methodologies for the development of lower body concentric mean power, peak power, and mean propulsive power in team-sport athletes | |
Wheat et al. | Dynamic difficulty adjustment in 2d platformers through agent-based procedural level generation | |
Zaichkowsky et al. | The Playmaker's Advantage: How to Raise Your Mental Game to the Next Level | |
Durguerian et al. | Integrating strength and power development in the long-term athletic development of young rugby union players: methodological and practical applications | |
Primo et al. | Analysis of challenge request success according to contextual variables in elite badminton | |
Ilici et al. | Dynamic difficulty for checkers and Chinese chess | |
Gangal et al. | Analysis and prediction of football statistics using data mining techniques | |
Rao Fernandes et al. | -logit: Dynamic Difficulty Adjustment Using Few Data Points | |
Kuchem et al. | Multi-objective assessment of pre-optimized build orders exemplified for starcraft 2 | |
Ruth et al. | Dodge and survive: Modeling the predatory nature of dodgeball | |
Perez-Liebana et al. | Tribes: a new turn-based strategy game for AI research | |
Frassinelli et al. | Event-based measurement of power in sport activities by means of distributed wireless sensors | |
Stoica et al. | Optimizing physical training through adapted specific tests in high performance football |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170908 |
|
WD01 | Invention patent application deemed withdrawn after publication |