A Foundation Model for Soccer

我们提出了一个足球基础模型，能够从给定的动作序列中预测足球比赛中接下来的动作。作为概念验证，我们在一家职业足球联赛的三个赛季的数据上训练了一个Transformer架构。我们定量和定性地比较了这个Transformer架构与两个基准模型（马尔可夫模型和多层感知机）的性能。此外，我们还讨论了我们模型的潜在应用。我们在https://github.com/danielhocevar/Foundation-Model-for-Soccer上提供了我们方法的开源实现。

论文旨在通过建立一个基础模型，从给定的足球比赛动作序列中预测接下来的动作。这是否是一个新问题？

论文采用Transformer架构，使用一支职业足球联赛三个赛季的数据进行训练，将其性能与两个基准模型（马尔科夫模型和多层感知器）进行定量和定性比较。

论文提供了开源实现 https://github.com/danielhocevar/Foundation-Model-for-Soccer，同时探讨了该模型的潜在应用。值得注意的是，论文的重点是建立一个基础模型，为未来的研究提供了一个基础。实验设计合理，使用了大量的数据进行训练和测试。

在这个领域中，最近的相关研究包括：'A Deep Reinforcement Learning Framework for the Financial Portfolio Management Problem'，'A Deep Learning Approach to Predicting Cryptocurrency Prices'，'A Survey of Deep Learning Techniques for Autonomous Driving'等。