一种足球获胜影响因素的挖掘方法与流程

技术特征：
1.一种足球获胜影响因素的挖掘方法，其特征在于，所述挖掘方法包括以下步骤：s1，选择其中一个球队，对该球队在指定时间段内的足球比赛信息进行采集，以生成该球队对应的样本数据；所述足球比赛信息包括该球队的足球赛况、所有球员的包括传球在内的行为数据和与比赛相关的外部环境数据，根据足球比赛规则对足球比赛信息中的每个字段的含义进行分析；s2，基于足球运动数据特点，构建足球运动影响因素数据集，该足球运动影响因素数据集中包含一定量的主观因素和一定量的客观因素，主观因素是指对比赛存在影响的球员自身行为动作的影响因素，客观因素是指对比赛存在影响的与球员行为动作无关的其他影响因素；s3，根据足球赛况，对比赛双方实力进行评估，选择两者实力相差小于预设实力阈值的胜场作为子样本数据；s4，基于关联规则分析方法构建客观因素模型，该客观因素模型对子样本数据中与行为动作无关的因素进行分析，得出该球队对应的客观因素的影响力排序；s5，构建动作因素模型，该动作因素模型以传球动作为基础，结合球员身份对与行为动作相关的部分子样本数据进行分析，得出该球队对应的主观因素的影响力排序。2.根据权利要求1所述的足球获胜影响因素的挖掘方法，其特征在于，步骤s1中，所述外部环境数据至少包括天气数据、场地、教练、比赛阶段、赛程和主客场。3.根据权利要求1所述的足球获胜影响因素的挖掘方法，其特征在于，步骤s2中，主观因素至少包括团队间的配合方式因素、紧密度因素和战术因素。4.根据权利要求1所述的足球获胜影响因素的挖掘方法，其特征在于，步骤s3中，选择待分析球队与其他任意一个球队的胜负比，筛选得到胜负比与1的差值绝对值小于预设差值阈值的球队集合，选取待分析球队与球队集合中所有球队的胜场比赛数据作为子样本数据。5.根据权利要求1所述的足球获胜影响因素的挖掘方法，其特征在于，传球的行为数据包括传球时间、起始坐标、动作发出者和球的接收者。6.根据权利要求1所述的足球获胜影响因素的挖掘方法，其特征在于，步骤s5中，构建动作因素模型，该动作因素模型以传球动作为基础，结合球员身份对与行为动作相关的部分子样本数据进行分析，得出该球队对应的主观因素的影响力排序的过程包括以下步骤：s51，引入了距离变量来替换双方队员的移动坐标，根据距离变量对传球动作进行分类；s52，将球员之间传球的次数进行网络分析；s53，将传球数最多的球员，随机选择一个球员样本，对与其配合次数最多的3名队员进行行为的研究；s54，将这个球员与其配合次数最多的3名球员分别按照树状图罗列，将不同球员标识出不同的颜色；s55，对树状图进行分析，获取树状图中所有的小团体；其中，如果树状图的起点与终点都是同一个球员，则构成一个分支，分支包含的所有球员形成了球队中的其中一个小团体；s56，根据得到的小团体数据和对应的传球动作类型，分析得到团队配合方式、团队紧密度和采用的战术。
7.根据权利要求1所述的足球获胜影响因素的挖掘方法，其特征在于，步骤s55中，如果配合次数位于第二与第三的球员与其他分支的球员存在重复，则以能够形成闭合团队的分支为优先，其次为配合次数为第二的分支、配合次数为第三的分支，删除其他无意义的分支。8.根据权利要求1所述的足球获胜影响因素的挖掘方法，其特征在于，所述挖掘方法还包括以下步骤：s6，提取排序较高的数个客观因素和主观因素；s7，采用指定时间段内的其他队伍的胜场数据对提取的客观因素和主观因素进行评估验证。

技术总结
本发明公开了一种足球获胜影响因素的挖掘方法，包括：生成该球队对应的样本数据；构建足球运动影响因素数据集；选择两者实力相差小于预设实力阈值的胜场作为子样本数据；基于关联规则分析方法构建客观因素模型，对子样本数据中与行为动作无关的因素进行分析，得出该球队对应的客观因素的影响力排序；构建动作因素模型，以传球动作为基础，结合球员身份对与行为动作相关的部分子样本数据进行分析，得出该球队对应的主观因素的影响力排序。本发明从对数据进行简单的统计分析出发，在数据的基础上通过对足球获胜因素进行指标分类，并将此分析的结果用于建立关联规则模型以检验效果，并从数据分析的结果趋势检验模型建立的结果。数据分析的结果趋势检验模型建立的结果。数据分析的结果趋势检验模型建立的结果。


技术研发人员：管敏
受保护的技术使用者：南京邮电大学通达学院
技术研发日：2021.06.29
技术公布日：2021/10/28