自适应多参数融合框架在体育比赛结果预测中的应用

《Scientific Reports》：Adaptive multi-parameter fusion for sports outcome prediction: a context-aware intelligent platform

　　

摘要

体育比赛结果预测对于表现评估和战略决策至关重要。传统模型（基于 Elo 评分、基于回归）依赖有限的历史数据，且无法捕捉球员、球队和情境之间的动态交互。我们提出了一种自适应多参数融合（AMPF）框架，利用分层注意力神经网络来整合球队评级、表现趋势和情境因素。与固定权重模型不同，AMPF 采用可学习的注意力机制，以实现自适应、针对特定情境的特征加权。AMPF 基于 PyTorch 实现，并在 FiveThirtyEight 数据集上进行了验证，涵盖 2010 至 2024 年的 45,000 多场足球比赛和 2012 至 2024 年的 20,000 多场篮球比赛。AMPF 在所有基线模型上取得了具有统计显著性的改进：与深度多层感知机相比，准确率提高了 1.6–2.2%，Brier 分数降低了 3.8–5.6%；与经典 Elo 评分相比，改进幅度更大（准确率提高 4.7–4.8%，Brier 分数降低 10.9–11.8%）。消融实验证实了情境嵌入和自适应融合的必要性。我们部署了一个平台，提供实时预测、可解释性可视化和溯源追踪功能，在传统评分系统和现代深度学习之间架起桥梁，用于体育分析。