基于链接融合的区域运动员排名

2590基于链接融合的区域运动员排名0Ali Daud  a,b0a  计算机与信息学院0技术0阿卜杜勒阿齐兹国王大学0adfmohamad@kau.edu.sa0Akbar Hussain  b0b  计算机科学系0和软件工程，巴基斯坦伊斯兰国际大学伊斯兰0akbar_hussain555@yahoo.com0Rabeeh Ayaz Abbasi  a,c0c  计算机科学系0Quaid-i-Azam大学0巴基斯坦伊斯兰堡0rabbasi@kau.edu.sa0Naif Radi Aljohani  a0a计算机与信息技术学院，阿卜杜勒阿齐兹国王大学0沙特阿拉伯吉达，nraljohani@kau.edu.sa0Tehmina Amjad  b0b  计算机科学系0和软件工程，巴基斯坦伊斯兰国际大学伊斯兰堡0tehminaamjad@iiu.edu.pk0Hassan Dawood  d0d  软件工程系，UETTexila，0hassan.dawood@uettaxila.edu.pk0摘要0在各种体育项目中，运动员的排名显示了他们在其他运动员中的重要性。现有的方法只考虑同类型的链接（例如，运动员与运动员和团队与团队之间的链接），而忽略了基于认知因素的不同类型的链接（例如，一个类型的运动员与另一类型的运动员之间的链接，例如击球手与投球手和运动员与团队之间的链接）。他们还忽略了运动员的空间性。运动员与他们的团队之间存在着紧密的关系，可以将其表示为由多类型相互关联的对象组成的网络。在本文中，我们提出了一种名为区域运动员链接融合（RPLF）的运动员排名方法，该方法适用于板球运动。RPLF考虑了运动员区域内部类型和不同类型的关系特征，以对运动员进行排名。考虑到多类型相互关联的对象是基于这样的直觉，即击球手在对抗强队的顶级投球手时得分高，或者投球手在对抗强队的顶级击球手时取得了击球，被认为是一名优秀的运动员。实验结果表明，RPLF提供了有关运动员排名的有希望的见解。RLFP是一种通用方法，可用于对不同的运动进行运动员排名。0A. Daud, A. Hussain, R. A. Abbasi, N. R. Aljohani, T. Amjad, H. Dawood2018. 基于链接融合的区域运动员排名，用于WWW2018会议论文和附件提交。在2018年Web会议附件（WWW2018）中，2018年4月23日至27日，法国里昂，ACM，纽约，纽约，XX页。DOI: https://doi.org/10.1145/3184558.318633501 引言0团队由运动员组成，优秀的团队拥有更好的运动员。运动员在体育项目中的排名量化了运动员在团队中的重要性。通过表现出色和对团队的持续贡献，运动员可以获得更高的排名。排名越高，运动员被选入比赛的机会就越大。运动员的排名是基于他们在体育项目中的表现，例如板球、足球、网球、曲棍球、棒球等。0本论文发表在知识共享署名-非商业性使用-禁止演绎4.0国际许可证（CC BY-NC-ND4.0）下。作者保留在个人和公司网站上传播作品的权利，并附上适当的归属。WWW '18Companion 2018年4月23日至27日，法国里昂。©2018IW3C2（国际万维网会议委员会），根据知识共享CC BY 4.0许可证发布。ISBN:978-1-4503-5640-4/18/04 DOI: https://doi.org/10.1145/3184558.31863350大多数研究者考虑了球员过去和最近的表现。以前，板球运动的对象（击球手、投球手、球队）排名是使用不同的特征进行的，例如击球位置、击球经验、主场优势、地区优势、比赛开始时间、局序、对手球队实力、球员状态、击球手的击球平均分和击球率，投球手的投球平均分、投球率和经济率，按节次划分的球员表现，球队的胜负比率，球队赢得比赛的得分和击球数或者应用PageRank [1, 3, 4, 12,17]。基于PageRank的算法也被应用于足球[2,7]和棒球[16]中，通过利用内部类型链接对球员进行排名。网球选手的排名是通过应用PageRank来评定基于选手位置和比赛价值的积分，时间依赖性[6,13]以及探索内部类型链接[14]。过去，内部类型链接主要用于不同的体育项目，而未同时考虑类型间和地区间的信息。从认知上讲，团队的成功率随着“主场优势现象”的增加而增加，这在不同的体育项目中被广泛预期和记录[15]。直观地说，这也对球员的表现有很大的影响。在体育中，存在多类型相互关联的对象，例如球员与他们的球队之间的关系，可以以网络的形式呈现。因此，球队的球员之间存在同质或异质关系，以计算特定的特征。板球运动在打法风格上类似于棒球，其中投手被称为投球手，击球手被称为击球手，接球手被称为守门员等。板球运动的球员排名主要是基于他们最近的表现进行的。由于不同的击球和投球条件，认知上地区在板球球员的排名中也起着重要的作用。基于地区的排名对于选择每个地区的最佳球队来说是重要且具有挑战性的。在这项工作中，提出了一种统一的球员排名方法RLFP，以克服现有方法的缺点。RPLF通过利用球员的空间性以及其他特征来考虑内部类型和类型间链接。详细的实验研究显示了该算法的有效性。RLFP非常通用，不需要特定的领域知识，因此可以应用于各种体育项目。本工作的重要贡献如下：（1）考虑内部类型和类型间链接（2）考虑空间性0赛道：认知计算WWW 2018，2018年4月23日至27日，法国里昂 2600（3）适用于不同体育项目的区域性球员链接融合算法0本文的其余部分组织如下。第2节提供了不同体育排名方法的文献综述。第3节提供了国际板球理事会球员当前排名的标准和问题定义。问题陈述在第4节中讨论。第5节详细介绍了我们提出的板球运动的RPLF方法。实验结果和讨论在第6节中提供。第7节最终总结了这项工作。02相关工作在文献中广泛进行了运动员排名。根据特征上的数学运算，为不同的体育项目提出了不同的方法。一些方法通过应用PageRank来探索网络特征[20]。在剩余的部分中讨论了在板球、足球、网球和棒球等体育项目中进行的重要努力。板球是亚洲地区广泛参与和观看的运动之一。使用击球位置、击球经验、主场优势、地区优势、比赛开始时间、局序、对手球队实力和球员状态等特征来对球员进行排名[3]。击球手的击球平均分和击球率以及投球手的投球平均分、投球率和经济率也被用来排名球员[17]。根据球队的胜利表现对队长进行排名。形成一个有向加权的球队和队长网络，并通过PageRank来衡量球队的成功，而不仅仅是通过胜利的数量[13]。球员的表现评估是基于比赛中的击球、投球和守场贡献，逐节进行。使用名义多项式逻辑回归模型来模拟假设和实际位置的比赛结果概率。然后，使用每节比赛结束时的概率变化来计算球员的表现。评估在比赛的每个节结束时查看贡献的优势，其中分别记录了击球和失分[1]。最近，Daud等人提出了一种加权的PageRank方法来对板球队进行排名。它认为仅考虑胜利/失败的次数是不够的。还需要考虑球队的实力以及球队赢/输一场比赛的得分和击球数[4]。通过应用社交网络概念来测量绩效和排名球员，为T-20板球比赛生成了一个双向加权的球员网络。通过将球员视为节点，并将团队成员之间的互动表示为边来研究所有国内球员网络。使用提出的排名方法选择的团队与他们在2016年印度超级联赛中的表现进行了比较[5]。最近探索了板球比赛中一队比另一队的优先级。除了以前使用的特征外，还强调了球队级别的击球和投球生产力[21]。对于板球比赛中的新星预测这一相对较新的任务进行了研究，包括击球手和投球手。特征来自于共同参与的球员、团队和对手团队的实体。对真实数据集进行了生成和判别模型的探索性预测[22]。足球是全球普遍参与和观看的运动。Anjelya等人应用基于“Colley矩阵方法”的PageRank对国家足球联赛球队进行排名。它首先创建NFL图，并为NFL图构建一个矩阵，然后计算包含球队排名的向量，该排名基于他们的赛季表现。NFL图是以每个节点在图中代表联赛的某个球队的方式创建的。当两个球队0当两个球队相互比赛时，它们之间会创建一个加权有向边，方向是从失败者指向胜者，假设没有平局比赛[2]。Duchetal.强调了团队合作对欧洲杯足球锦标赛中的创造力的重要性。他们开发了一种网络方法，主要量化个人足球运动员的贡献和整体团队表现[7]。网球是世界各地广泛观看的比赛之一。应用内部链接来衡量每个网球运动员的个人表现。它还假设广义方法在其他体育环境中也可以有益，其中对手团队成员的贡献的量化是重要的[15]。另一种方法是使用PageRank改进[14]的排名方法[6]。在其提出的方案中，使用传统排名系统的数据，根据选手的位置和比赛的价值给出评分点。例如，大满贯比赛的获胜者得到最高的2000分。PageRank也用于[14]中网球和乒乓球运动员的排名。使用PageRank和称为Time-DependentPageRank（tdPR）的时间相关方法。棒球与板球非常相似，是北美地区最受欢迎的运动之一。Shan等人提出了GameRank方法，它是HITS和PageRank的变体，用网络视角评估美国职业棒球大联盟（MLB）球员的投球和击球能力。它通过将其结果与ESPNRatings进行比较来评估其提出的算法，后者是一种流行的棒球评级方法[16]。最初，PageRank[20]用于对网页进行排名，后来应用于对不同对象进行排名。它计算整个图的单个向量以对网页进行排名，这会产生偏见结果。为了获得更真实的结果，提出了主题敏感的PageRank[8]，根据页面的主题相关性计算多个PageRank向量。基于这个主题敏感的概念，每个查询的排名结果应该有自己的向量，直观地说，选手也应该按区域进行排名。基于PageRank的现有排名体系也忽略了重要的跨类型链接，而在排名多类型相关的网络对象时，这些链接被认为是重要的[18]。03 国际板球理事会球员当前排名国际板球理事会（ICC）根据预先定义的方法对球员进行排名。具体的公式未公开，但使用的因素在他们的网站上提供[10]。错过一场一日国际（ODI）比赛会减少他们在国家队中的积分的0.5％。所有ODI比赛被视为平等，除了ICC板球世界杯比赛，其中出色的表现会为球队和球员增加额外的积分。与较弱的球队相比，对较强的球队取得的更多得分/击球数贡献的积分较少[10]。用于排名击球手和投球手的因素如下所述。03.1 击球手排名因素0ICC根据以下因素为每个击球手分配积分[10]：   � 击球手的得分数0� 对手的投球阵容评分0�在两个球队都得分500的比赛中，球员得分100的价值低于在两个球队都被限制在200以下的比赛中得分100。0赛道：认知计算WWW 2018，2018年4月23日至27日，法国里昂 [𝐿𝐵𝑎𝑡 𝐵𝑜𝑙11𝑇𝐿𝐵𝑎𝑡 𝐵𝑜𝑙12𝑇…𝐿𝐵𝑎𝑡 𝐵𝑜𝑙1𝑛𝑇𝐿𝐵𝑎𝑡 𝐵𝑜𝑙21𝑇𝐿𝐵𝑎𝑡 𝐵𝑜𝑙22𝑇…𝐿𝐵𝑎𝑡 𝐵𝑜𝑙2𝑛𝑇𝐿𝐵𝑎𝑡 𝐵𝑜𝑙𝑛1𝑇𝐿𝐵𝑎𝑡 𝐵𝑜𝑙𝑛2𝑇…𝐿𝐵𝑎𝑡 𝐵𝑜𝑙𝑛𝑛𝑇] [ 𝑊𝐵𝑎𝑡 𝐵𝑜𝑙11𝑊𝐵𝑎𝑡 𝐵𝑜𝑙12 …𝑊𝐵𝑎𝑡 𝐵𝑜𝑙1𝑛 𝑊𝐵𝑎𝑡 𝐵𝑜𝑙21𝑊𝐵𝑎𝑡 𝐵𝑜𝑙22 …𝑊𝐵𝑎𝑡 𝐵𝑜𝑙2𝑛 𝑊𝐵𝑎𝑡 𝐵𝑜𝑙𝑛1𝑊𝐵𝑎𝑡 𝐵𝑜𝑙𝑛2 …𝑊𝐵𝑎𝑡 𝐵𝑜𝑙𝑛𝑛] + [𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡11𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡12𝑇…𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡1𝑛𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡21𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡22𝑇…𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡2𝑛𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡𝑛1𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡𝑛2𝑇…𝐿𝑇𝑒𝑎𝑚 𝐵𝑎𝑡𝑛𝑛𝑇] [ 𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡11𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡12 …𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡1𝑛 𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡21𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡22 …𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡2𝑛 𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡𝑛1𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡𝑛2 …𝑊𝑇𝑒𝑎𝑚 𝐵𝑎𝑡𝑛𝑛] 2610� 当球队获胜时，击球手会获得额外的加分。对于评级较高的对手球队，这个加分会更高。0� 击球手的高击球率会获得显著的加分。0� 击球手因为没有出局而获得少量加分。03.2 球员排名因素0ICC根据以下因素为每个投球手分配积分[10]：� 投球手的取得门票和让分（投球平均）起着重要作用。0�在比赛中得分的水平；例如，在高得分比赛中，3个50的投球成绩比0� 在比赛中投掷大量的投球手即使没有取得门票也会得到认可。0� 在胜利中获得最多门票的投球手将获得奖励积分。0� 投球手以低经济率（投球平均）投球将获得显着的认可。04个问题定义0我们将板球球员按区域进行排名的问题定义为信息检索问题。给定 P=  {� 1 1 , � 2  1 , � 3  2 , … , � � � } 是一个表示 n 个球员和 r 个区域的 ×  r 矩阵，每个球队 T i 的 n  ×  r 矩阵的每一行对应一个球员 P i，每一列对应其在特定区域的排名。我们的目标是根据球员在特定区域内的得分对 n个球员进行排序，并找到表示其在特定区域内排名的向量。05个区域球员链接融合（RPLF）0区域在板球中起着关键作用，因为不同的区域具有不同的比赛条件，并对球员的表现产生影响。应该选择在特定区域表现最佳的球员参加该特定区域的比赛。在本文中，根据不同的区域对球员进行排名。世界上有五个国际板球比赛区域[19]。它们是：欧洲（英格兰）、美洲（西印度群岛）、亚洲（巴基斯坦、印度、斯里兰卡和孟加拉国）、大洋洲（澳大利亚和新西兰）和非洲（南非和津巴布韦）[9,10]。在板球排名中，击球手总是对抗对方队的投球手，同样，投球手对抗对方队的击球手。因此，击球手、投球手和球队之间存在着紧密的关系。受[18]的启发，我们考虑了三个数据空间，即击球手、投球手和球队，以研究这种关系。每个数据空间都有许多数据对象。当一个数据空间的数据对象与另一个数据空间的对象相关联时，我们称之为异构关系（类型间关系）。这里，数据对象指的是击球手、投球手和球队。图1分别显示了击球手、投球手和球队之间的关系。假设，在所有数据空间A=（b1，b2...bn，l1，l2...lm，T1，T2...Tp）中有n个不同的数据对象，其中'b x '表示一个击球手，'l x '表示一个投球手，'Tx '表示一个球队。每个数据对象A i 包含一个特定的属性F i。同一数据空间中的数据对象通过内部类型关联R i � A i ×A i相互关联，而来自不同数据空间的数据对象则相互关联-0与类型间关联有关  R ij � A i ×A j  ( i≠j)。一个数据类型中的数据对象的特定属性等于与其相连的同一数据空间中其他数据对象的属性之和，加上与其相连的其他数据空间和链接的数据对象的其他相关属性之和。0图1：权重计算假设的示例0数学上，我们可以将属性定义为：� �  = � � � �  + ∑ � � � �� � �=1    (1)0其中，i是要计算其属性的数据对象，j=1到N是要计算这些属性的数据对象，R是它们执行的区域。方程（2）显示了击球手对投球手和球队的区域性能。同样，方程（3）显示了投球手对击球手和球队的区域性能。�� ���  = � � ��� ���  � ��� ���  + � � ���� ���  � ���� ���  (2)0����� = �������� ������� + ����������������� (3)0其中，�����和�����分别是击球手和投手的权重，��������和��������分别是从击球手到投手和从投手到击球手的邻接矩阵。如果一个击球手对抗一个投手�������� = 1，否则��������=0，同样地，在投手到击球手的数据空间中，击球手对球队和投手对球队的数据空间中，��������和��������分别是从击球手到球队和从投手到球队的权重，�����和��������分别是从投手到击球手和从击球手到投手的邻接矩阵。如果一个投手对抗一个击球手�������� = 1，否则�������� = 0。0在上述矩阵中，击球手对抗投手和球队，显示了他们的地区表现。0Track: Cognitive Computing WWW 2018, April 23-27, 2018, Lyon, France [𝐿𝐵𝑜𝑙 𝐵𝑎𝑡11𝑇𝐿𝐵𝑜𝑙 𝐵𝑎𝑡12𝑇…𝐿𝐵𝑜𝑙 𝐵𝑎𝑡1𝑛𝑇𝐿𝐵𝑜𝑙 𝐵𝑎𝑡21𝑇𝐿𝐵𝑜𝑙 𝐵𝑎𝑡22𝑇…𝐿𝐵𝑜𝑙 𝐵𝑎𝑡2𝑛𝑇𝐿𝐵𝑜𝑙 𝐵𝑎𝑡𝑛1𝑇𝐿𝐵𝑜𝑙 𝐵𝑎𝑡𝑛2𝑇…𝐿𝐵𝑜𝑙 𝐵𝑎𝑡𝑛𝑛𝑇] [ 𝑊𝐵𝑜𝑙 𝐵𝑎𝑡11𝑊𝐵𝑜𝑙 𝐵𝑎𝑡12 …𝑊𝐵𝑜𝑙 𝐵𝑎𝑡1𝑛 𝑊𝐵𝑜𝑙 𝐵𝑎𝑡21𝑊𝐵𝑜𝑙 𝐵𝑎𝑡22 …𝑊𝐵𝑜𝑙 𝐵𝑎𝑡2𝑛 𝑊𝐵𝑜𝑙 𝐵𝑎𝑡𝑛1𝑊𝐵𝑜𝑙 𝐵𝑎𝑡𝑛2 …𝑊𝐵𝑜𝑙 𝐵𝑎𝑡𝑛𝑛] + [𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙11𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙12𝑇…𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙1𝑛𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙21𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙22𝑇…𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙2𝑛𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙𝑛1𝑇𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙𝑛2𝑇…𝐿𝑇𝑒𝑎𝑚 𝐵𝑜𝑙𝑛𝑛𝑇] [ 𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙11𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙12 …𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙1𝑛 𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙21𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙22 …𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙2𝑛 𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙𝑛1𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙𝑛2 …𝑊𝑇𝑒𝑎𝑚 𝐵𝑜𝑙𝑛𝑛] 2620同样，对于投手的数据空间方程（3），可以写成矩阵形式如下：05.1 基于地区的球队击球强度0同样，上述矩阵中的投手对抗击球手和球队，显示了他们的地区表现。我们为每个地区的球队制定了各种相关特征。下面讨论这些特征。5.1.1基于地区的球队胜负比我们可以通过将球队t在地区r中赢得的比赛总数除以输掉的比赛总数来定义球队t在地区r的胜负比（�������）。0������� = �����0���� �� (4)0其中，�����表示球队t在地区r中赢得的比赛总数，������表示球队t在地区r中输掉的比赛总数。例如，如果巴基斯坦在亚洲地区130场比赛并输掉了87场比赛，则������������ = 13005.1.2 基于地区的球队平均得分球队t在地区r的基于地区的平均得分（������）定义为球队t在地区r中得（���）除以球队t在地区r中打击局数（���）。0������ = ���0��� (5)0例如，如果巴基斯坦在亚洲地区的215场比赛中得分47964分，则���������� = 4796405.1.3 基于地区的球队击球率球队的基于地区的击球率（R�����）定义为球队得分（���）除以击球。由于比赛中的击球数远远大于打击局数（见方程5），因此乘以一个因子k。k的值设为6，如[17]所述。0������ = ���0��� × � (6)05.1.4 基于地区的球队击球平均率球队的基于地区的击球平均率（������）定义为球队中所有击球手的击均率的平均值。0������ = ∑ ����0�� (7)0在方程（4）到（7）的基础上，可以计算出球队在地区r中的基于地区的击球强度（�����），计算公式如下：0������ = ������ × � + ������ × � + ������ × � + �������0其中，� + � + � + � =1。在没有黄金标准基准排名的情况下，很难找到这些变量的最佳组合。我们使用� = � = � = 0.2 ��� � =0.4的值。�被赋予更高的权重，因为球队在一个区域的胜负比是关键因素[4]。在应用公式（8）之前，通过将特征值除以特征的最大值来对所有特征值进行归一化，以获得球队的净击球实力。05.2 基于区域的球队投球实力0球队基于区域的投球实力可以以类似的方式计算为击球实力。在投球中，平均失分（RTARC），经济率（RTER），击球率（RTLSR）以及胜负比（RTWLR）起着关键作用[10]。这些值可以按照方程（4）到（7）的方式计算给定区域（RTARC，RTER，RTLSR，RTWLR）。一旦计算出各个值，可以计算聚合的基于区域的球队投球实力（��� ��）如下：0���� � �  = ����� � �  × � + ���� � �  × � + ����� � �  × � + ����� � �  × �   (9)0�, �, �,  和  �的值与方程（8）中的值相同。这些值通过最大值进行了归一化。击球表现的值也被倒置，因为在击球中得分较低意味着表现更好。05.3 基于区域的击球手实力0击球手基于区域的实力可以使用击球手的平均得分（RBA）和击球手的击球率（RBSR）来计算，因为这两个指标是击球手实力的关键特征。击球手的平均得分定义为击球手在所有局中得分的总数除以完成局数（不包括“未出局”局数）在一个区域上。击球手的击球率定义为击球手在一个区域上得分的数量除以击球手面对的球数。击球手b对每个投球手l在区域r上的权重计算如下。��� � �  = ��� � �  × � + ���� � �  × �    (10)0� 和 �的值分别为0.6和0.4，因为一个球队通常需要击球手的高平均得分而不是击球手的击球率，尽管可以尝试不同的百分比。在应用公式（10）之前，通过将特征值除以特征的最大值来对所有特征值进行归一化，以获得击球手的净击球实力。在计算每个击球手对所有投球手的权重之后，我们计算其平均权重，以将每个击球手与所有其他击球手进行比较。通过使用以下公式计算�� ���的结果，找到每个� ��� ���和� �������的加权平均值。�� ���  = � ��� ���  × � + � ���� ���  × �    (11)0�, � 的值都为0.5。05.4 基于区域的投球手实力投球手基于区域的实力可以使用投球手的平均得分（RLA），投球手的击球率（RLSR）和投球手的经济率（RLER）来计算，因为这三个指标都是投球手实力的关键特征。投球手的平均得分定义为投球手在一个区域上失分的总数除以取得的门票数。投球手的击球率定义为投球手在一个区域上每个门票取得的平均投球数。投球手的经济率定义为在一个区域上每一局失分的数量。投球手l对每个击球手b在区域r上的权重计算如下。��� � �  = ��� � �  × � + ���� � �  × � +  ���� � �  × �    (12)0�, � ���  � 的值分别为0.4, 0.4,0.2。因为平均得分和击球率相对重要，而经济率相对较不重要。尽管可以使用其他权重。在应用公式（12）之前，通过将特征值除以特征的最大值来对所有特征值进行归一化，以获得投球手的净投球实力。0会议：认知计算WWW 2018，2018年4月23日至27日，法国里昂2630在计算每个投球手对所有击球手的权重之后，我们计算其平均权重，以将每个投球手与所有其他投球手进行比较。通过以下方程式计算 �� ���的结果，其中 � ��� ��� 和 � ���� ��� 分别是 �� ��� 的加权平均值：�� ���  = � �(13)0�和 � 的值均设为0.5。06 实验本节介绍数据集、性能评估细节和2015年国际板球理事会排名。还显示了击球手和投球手的2015年国际板球理事会排名与提出的统一球员和区域排名的详细比较。06.1 数据集和性能评估数据集取自espncricinfo.com，时间从2001年1月1日至2015年4月30日[10]。国际板球理事会将板球队伍分为三个类别：（1）全会员，（2）准会员和（3）附属会员。我们只考虑了十个全会员国家，它们是澳大利亚、孟加拉国、英国、印度、新西兰、巴基斯坦、南非、斯里兰卡、西印度群岛和津巴布韦。从2001年1月1日至2015年4月30日的区域数据集仅适用于ODI比赛。只包括在每个区域至少参加了10场比赛的球员。没有关于板球运动员的黄金标准数据集来衡量任何提出方法在精确度、召回率或F-度量方面的定量效果。其他方法，如测量斯皮尔曼等级相关性和肯德尔等级相关性，由于我们提供了球员的区域排名，这是国际板球理事会或任何现有排名工作都没有提供的，因此不可用。国际板球理事会只提供一般的球员排名。然而，我们的统一球员排名方法使用了国际板球理事会的ODI排名积分系统作为基准方法。我们已经与我们大学板球队的球员讨论了我们提出的方法的有效性，他们中的大多数人认为它非常有用、功能强大且时间驱动。06.2 国际板球理事会球员排名0国际板球理事会根据0到1000分的范围对球员进行评分。如果球员的表现根据他的过去记录有所改善，他的分数会增加；如果他的表现下降，他的分数会减少。表1和表2分别显示了国际板球理事会对击球手和投球手的前十名排名。06.3将当前国际板球理事会球员排名与统一球员排名关联0在本节中，我们讨论了提出的统一球员排名并将其与国际板球理事会排名进行了比较。统一排名汇总了基于区域的排名，并显示了球员在各个区域的表现。6.3.1 统一击球手排名一个击球手i的统一击球手排名（��������� �）可以计算如下：�����0其中，BRWi,r是击球手在区域r上的加权得分。n是击球手参加比赛的区域数量。基于提出的统一击球手排名的排名显示在表3中，国际板球理事会的排名显示在表1中。0表1. 国际板球理事会击球手排名0国际板球理事会击球手排名0排名  名字  国家  评分01  A.B. de Villiers  南非  90202  K.C. Sangakkara  斯里兰卡  86003  H.M. Amla  南非  82804  V. Kohli  印度  82205  T.M. Dilshan  斯里兰卡  79306  S Dhawan  印度  75607  K.S. Williamson  新西兰  73308  M.S. Dhoni  印度  73109  G.J. Maxwell  澳大利亚  720010  G.J. Bailey  澳大利亚  6970表2. 国际板球理事会骑士排名0国际板球理事会击球手排名0排名  名字  国家  评分01 A.B. de Villiers SA 90202 K.C. Sangakkara SL 86003 H.M. Amla SA 82804 V. Kohli IND 82205 T.M. Dilshan SL 79306 S Dhawan IND 75607 K.S. Williamson NZ 73308 M.S. Dhoni IND 73109 G.J. Maxwell AUS 720010 G.J. Bailey AUS 6970两种排名中前十名中共同出现的击球手在表1中突出显示。AB deVillier在两种排名中都排名第一，H.M.Amla在统一排名中排名第二，在ICC排名中排名第三；GJMaxwell在统一排名中排名第三，在ICC排名中排名第九；VerathKohli在统一排名中排名第五，在ICC排名中排名第四；MSDhoni在统一排名中排名第七，在ICC排名中排名第八；KCSangakara在统一排名中排名第八，在ICC排名中排名第二；KSWilliamson在统一排名中排名第九，在ICC排名中排名第七；最后，S Dhawan在统一排名中排名第十，在ICC排名中排名第六。尽管ADDilshan和GJBailey在统一排名中得分较高，但他们并未列入前十名的击球手。由于ICC根据最近（2或3年）的表现来排名球员，这就是为什么我们在两种方法中看到起伏的原因。最终，统一的击球手排名和ICC击球手排名表明，两种排名方法有大约80%的相似性，这清楚地显示了提出的统一的击球手排名方法产生了直观的结果。0表3. 统一的击球手排名0击球手姓名 国家名称 统一击球手排名得分0排名0AB de Villiers SA 197977.73 10HM Amla SA 192411.18 20GJ Maxwell Aus 189598.58 30AD Russell WI 186179.37 40V Kohli Ind 170782.89 50MJ Clarke Aus 169177.95 60MS Dhoni Ind 169132.06 70KC Sangakara Sri 166403.11 80KS Williamson NZ 165938.10 90S Dhawan Ind 164614.97 1006.3.2 统一的投球手排名 统一的投球手排名（���������）可以通过以下方式计算：0�������� �  =  ∑ ��=1 ����,� �    (15)0其中，LRWi,r是球员在地区r上的加权得分。n是球员参加比赛的地区数。0赛事：认知计算 WWW 2018，2018年4月23日至27日，法国里昂 Imran Tahir SA 27226.44 1 MA Starc Aus 26181.84 2 MG Johnson Aus 25920.24 3 LL Tsotsobe SA 25322.16 4 BAW Mendis Sri 25220.08 5 R McLaren SA 24627.80 6 Saeed Ajmal Pak 24043.88 7 MJ Clarke Aus 23703.95 8 KD Mills NZ 22007.67 9 SCJ Broad Eng 19035.40 10 2640表4. 统一的投球手排名0球员姓名 国家名称 统一球员排名得分0排名0Imran Tahir SA 32508.16 10MA Starc Aus 32462.89 20BAW Mendis Sri 32432.91 30Saeed Ajmal Pak 32385.27 40MG Johnson Aus 31808.34 50T Thushara Sri 31673.46 60SL Malinga Sri 29297.62 70JE Taylor WI 29082.37 80M Ntini SA 28972 90MShami Ind 28788.47 100根据统一排名，球员的排名如表4所示，而根据ICC排名，排名如表2所示。比较结果，我们发现ImranTahir在统一排名中排名第一，在ICC排名中排名第二；MAStarc在统一排名中排名第二，在ICC排名中排名第一；SaeedAjmal在统一排名中排名第四，在ICC排名中排名第七；MGJohnson在统一排名中排名第五，在ICC排名中排名第六。尽管BAWMendis、T Thushara、SL Malinga、JE Taylor、MNtini和MuhammadShami在统一排名中得分较高，但他们并未列入前十名的排名列表。由于ICC根据最近（2或3年）的表现来排名球员，因此我们在两种方法中都看到了起伏。06.4 当前ICC球员排名与基于地区的排名的比较0在这一部分中，我们将比较基于地区的球员排名与国际板球理事会（ICC）排名。通过比较两种方法中的击球手排名，A.B.德维里尔斯在ICC击球手排名中名列前茅，他在大多数地区的前十名中也名列前茅。AB德维里尔斯在亚洲、非洲、欧洲、大洋洲和美洲地区分别排名第1、第3、第25、第1和第7。H.M Amla、V. Kohli、T.M.Dilshan、S. Dhawan、M. S. Dhoni、GJ Maxwell和GJBailey在当前ICC击球手排名中分别排名第3、第4、第5、第6、第8、第9和第10，他们在基于地区的前十名排名中也处于有利地位。另一方面，K. C. Sangakara和K.S.Williamson在当前ICC击球手排名中的位置最好，尽管他们在基于地区的击球手排名中也处于有利地位，但他们没有被列入基于地区的前十名排名列表，因为他们在所有地区的表现几乎相同。通过比较ICC的投球手和基于地区的排名，大多数ICC前十名的投球手也进入了基于地区的前十名排名。通过比较两种方法中的投球手排名，M. A.Starc在ICC投球手排名中名列前茅，因此他在大多数地区的前十名中都有名次。M. A.Starc在ICC、亚洲和大洋洲地区分别排名第1、第2和第1，在其他地区他的排名也很好，但无法进入前十名。Imran Tahir、D. W.Steyn、M. G. Johnson、Saeed Ajmal和M.Morkel分别在当前ICC投球手排名中排名第2、第3、第6、第7和第10，他们在基于地区的前十名排名中也处于有利地位。另一方面，S.P. Narine、T. A. Boult、Shakibul Hasan和J. M.Anderson在当前ICC投球手排名中的位置最好，尽管他们在基于地区的排名中也处于有利地位，但他们没有被列入基于地区的前十名排名列表。06.4.1 基于亚洲地区的击球手排名从亚洲地区，我们选取了来自十个正式会员国的161名顶级击球手，其中AB De Villiers（南非）是所有球员中的顶级击球手，第二名是VerathKohli（印度），第七名是Shahid Afridi（巴基斯坦），第十名是H.MAmla（南非）。表5显示了前10名。0亚洲地区的击球手。在这个地区，有4名印度人，3名澳大利亚人，2名南非人和1名巴基斯坦人的击球手。0表5. 基于亚洲地区的击球手排名0球员姓名  国家  球员排名 得分  在亚洲地区0排名0AB de Villiers  南非  204429.91  10V Kohli  印度  199627.85  20GJ Bailey  澳大利亚  198440.96  30S Dhawan  印度  194537.35  40MS Dhoni  印度  192048.21  50GJ Maxwell  澳大利亚  192012.16  60Shahid Afridi  巴基斯坦  187042.22  70SR Watson  澳大利亚  186078.71  80V Sehwag  印度  184978.01  90HM Amla  南非  178474.78  100可以尝试不同的击球率和打击率的权重（70%（平均），30%（击球率）或50%（平均），50%（击球率））[20]，但我们给予每个击球率和打击率分别60%和40%的权重，因为对于击球手和球队来说，击球率比击球率更重要。在这些击球手中，甚至沙希德∙阿弗里迪的击球率非常低，即25.25，但最高的击球率为128.81，此外，他在面对强大的投手和球队时表现出色。由于击球率高，沙希德∙阿弗里迪被列入亚洲地区，但在其他地区，他的击球率和平均得分都非常低，因此他在20到40名之间。0位置。6.4.2 基于亚洲地区的投球手排名对于亚洲地区，我们选取了来自十个正式会员国的170名顶级投球手，其中ImranTahir（南非）是所有球员中的最佳表现者，第二名是MAStarc（澳大利亚），第七名是SaeedAjmal（巴基斯坦），如表6所示。0表6. 基于亚洲地区的投球手排名0球员姓名  国家  球员排名得分  在亚洲地区0排名0在所有投球手中，ImranTahir的平均失分、经济率和击球率分别为15.41、4.27和21.6，此外，他对抗强大的投球手和球队表现出色。另一方面，SaeedAjmal的平均失分、经济率和击球率分别为21.06、3.99和31.6。SaeedAjmal的击球率略高，这就是为什么他在名单中排名第七的原因。KDMills和SCJBroad的击球率和经济率都最高，他们在排名列表中分别排名第九和第十。6.4.3 基于非洲地区的击球手排名对于非洲地区，我们从十个完全会员国中选取了172名顶级击球手，其中AD Russell（西印度群岛）是所有球员中的头号击球手，第二名是H. M.Amla（南非），第三名是AB deVillier（南非），第九名和第十名分别是L. D.Chandimal（斯里兰卡）和T. M.Dilshan（斯里兰卡