用于篮球赛事的自动匹配组队方法技术

本申请公开了一种用于篮球赛事的自动匹配组队方法，包括：为每一个参与篮球赛事的球员建立包括字段标签的数据库；引入样本球员数据；构建样本球员身高数据集。所述方法还包括：对样本球员进行匹配分队，得到若干个队；以单循环的形式安排所有队进行比赛，记录每名球员每场比赛的个人技术统计数据；为每名球员构建个人技术数据矩阵以及个人技术权重矩阵。本申请提供的用于篮球赛事的自动匹配组队方法，能够自动对篮球赛事数据进行处理，处理效率高，准确率高，不再需要通过人工处理篮球赛事数据，大大减轻了人工劳动量，降低了人力成本，完全能够满足实际应用的需要。

【技术实现步骤摘要】
用于篮球赛事的自动匹配组队方法
本申请涉及计算机
，具体涉及一种用于篮球赛事的自动匹配组队方法。
技术介绍
篮球运动的比赛形式多种多样。除了传统的全场5对5国际规则外，半场3对3、4对4等比赛形式在近年来也得到了广泛的流行和应用。但在大多数情况下，篮球比赛都以参与人员组成两支或多支固定队伍为前提，比赛在这些固定队伍之间展开。然而，随着生活节奏加快，相当数量的公众在日常参与篮球运动时均是以个体的形式加入，每一场篮球活动的参与人员构成、数量、水平均不确定。在这种情况下临时组织、实时参与的团队对抗，传统的固定组队模式无法采用，而完全的随机组队形式很难兼顾公平，提供优秀的运动体验，无法更好为今天的篮球运动参与者提供服务。现有技术中通过人工对篮球赛事数据例如运动员数据进行处理，效率低，出错率高，劳动量巨大。
技术实现思路
本申请的目的是提供一种用于篮球赛事的自动匹配组队方法。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。根据本申请实施例的一个方面，提供一种用于篮球赛事的自动匹配组队方法，包括：为每一个参与篮球赛事的球员建立包括字段标签的数据库；引入样本球员数据；构建样本球员身高数据集。进一步地，所述方法还包括：对样本球员进行匹配分队，得到若干个队；以单循环的形式安排所有队进行比赛，记录每名球员每场比赛的个人技术统计数据；为每名球员构建个人技术数据矩阵以及个人技术权重矩阵。进一步地，所述方法还包括：重复对所述样本球员数据进行随机抽取和匹配，直至重复次数达到阈值。进一步地，所述对所述样本球员数据进行随机抽取和匹配，包括：假设一共有k名球员至少参与了一次抽取和匹配；根据数据库中的胜率数据，按胜率从高到低为这k名球员构建胜率数据集V＝{v1，v2，v3，...，vk}，其中v1为其中胜率最高的球员1在t+1次重复的有放回抽取和匹配所参与的所有比赛中的总胜率，以此类推；将V中的数据进行Z-score标准化处理，得到新的标准化个人技能数据集R＝{r1，r2，r3，...，rk}，其中以此类推，其中min(V)指V集合中的最小值，max(V)指V集合中的最大值。进一步地，所述方法还包括：根据数据库中的个人技术统计数据，得到球员1最新的个人技术数据矩阵S″1＝[c″1，1，c″2，1，c″3，1，c″4，1，c″5，1，c″6，1，c″7，1]，其中c″1，1指第一名球员最新的场均得分数值，c″2，1指第一名球员的更新后的场均篮板数，以此类推，直至得到球员k最新的个人技术数据矩阵S″k＝[c″1，k，c″2，k，c″3，k，c″4，k，c″5，k，c″6，k，c″7，k]。进一步地，所述方法还包括：利用梯度下降方法在给定的权重矩阵赋值内对损失函数进行训练，直至损失函数的值达到范围内最小时，得到技术权重矩阵更新后的参数取值。进一步地，所述方法还包括：使用Z-score标准化方式分别将数据库中所有球员数据进行标准化处理，得到当前全体参与者的标准化身高数据集。进一步地，所述方法还包括：定期对权重矩阵的参数进行调整。根据本申请实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现上述的用于篮球赛事的自动匹配组队方法。根据本申请实施例的另一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现上述的用于篮球赛事的自动匹配组队方法。本申请实施例的其中一个方面提供的技术方案可以包括以下有益效果：本申请实施例提供的用于篮球赛事的自动匹配组队方法，能够自动对篮球赛事数据进行处理，处理效率高，准确率高，不再需要通过人工处理篮球赛事数据，大大减轻了人工劳动量，降低了人力成本，完全能够满足实际应用的需要。本申请的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者，部分特征和优点可以从说明书中推知或毫无疑义地确定，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请一实施方式的用于篮球赛事的自动匹配组队方法流程图；图2为本申请一实施方式中确定个人技术权重矩阵W取值的流程图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本申请做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。参考图1所示，本申请的一个实施例提供了一种用于篮球赛事的自动匹配组队方法，包括以下步骤：步骤一，为每一个参与篮球赛事的球员建立包括字段标签的数据库，其所述字段标签包括ID、性别、身高、场均技术统计数据(包括场均得分、场均篮板数、场均助攻、场均抢断、场均盖帽、场均失误、场均犯规)、胜场数、败场数、胜率及技能值，每位球员都对应数据库中的唯一ID。步骤二，对每个单独的个体而言，他们在每一场比赛中的表现呈正态分布，即他在随机某场比赛中的表现会围绕他的当前技能值上下浮动。一般地，对某位球员n，将其当前技能值标注为Pn(n＝1，2，3，...)。步骤三，引入第一批样本球员，球员人数不小于100人，其中女性球员数量不少于10％，不大于20％。此样本集中，男性球员身高数据集为M1＝{m1，m2，m3，...，mn}，女性球员身高数据集为F1＝{f1，f2，f3，...，fp}，其中，n，p分别为该批样本球员中男性球员和女性球员数量。将M1和F1两个数据集中的身高数据进行Z-score标准化处理，得到两个新的标准化身高数据集X1＝{x1，x2，x3，...，xn}，Y1＝{y1，y2，y3，...，yp}，其中以此类推，其中min(M1)指M1数本文档来自技高网...

【技术保护点】
1.一种用于篮球赛事的自动匹配组队方法，其特征在于，包括：/n为每一个参与篮球赛事的球员建立包括字段标签的数据库；/n引入样本球员数据；/n构建样本球员身高数据集。/n

【技术特征摘要】
1.一种用于篮球赛事的自动匹配组队方法，其特征在于，包括：
为每一个参与篮球赛事的球员建立包括字段标签的数据库；
引入样本球员数据；
构建样本球员身高数据集。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对样本球员进行匹配分队，得到若干个队；
以单循环的形式安排所有队进行比赛，记录每名球员每场比赛的个人技术统计数据；
为每名球员构建个人技术数据矩阵以及个人技术权重矩阵。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
重复对所述样本球员数据进行随机抽取和匹配，直至重复次数达到阈值。


4.根据权利要求3所述的方法，其特征在于，所述对所述样本球员数据进行随机抽取和匹配，包括：
假设一共有k名球员至少参与了一次抽取和匹配：
根据数据库中的胜率数据，按胜率从高到低为这k名球员构建胜率数据集V＝{v1，v2，v3，...，vk}，
其中v1为其中胜率最高的球员1在t+1次重复的有放回抽取和匹配所参与的所有比赛中的总胜率，以此类推；
将V中的数据进行Z-score标准化处理，得到新的标准化个人技能数据集R＝{r1，r2，r3，...，rk}，其中以此类推，其中min(V)指V集合中的最小值，max(V)指V集合中的最大值。


5.根据权利要求4所述的方法，其特征在于，所述方法还包括...

【专利技术属性】
技术研发人员：凌展鸿，王海滨，
申请(专利权)人：根尖体育科技北京有限公司，
类型：发明
国别省市：北京;11