人工智能和机器学习增强的概率预测方法、系统和设备技术方案

实施例包括利用人工智能和/或机器学习，基于特定球队、球员、赛事的历史得分数据或其他相关数据，生成体育分析。机器学习可以应用于历史数据，以提高预测概率。概率模块可以提前实时分析赛事结果和可用参数之间的相关性，以给出准确和最新的概率。以给出准确和最新的概率。以给出准确和最新的概率。

【技术实现步骤摘要】
【国外来华专利技术】人工智能和机器学习增强的概率预测方法、系统和设备
[0001]交叉引用
[0002]本申请要求于2020年10月26日提交的、序列号为17/079,849的美国专利申请以及于2020年1月9日提交的、序列号为62/958,802的美国临时专利申请的优先权，所述申请的全部内容通过引用并入本文。


[0003]实施例总体上涉及体育预测和人工智能。

技术介绍

[0004]人们习惯在比赛和其他体育赛事上作出预测。然而，由于作出预测的复杂性，用户通常很难在比赛结果或分数之外的某些方面作出预测。另一个问题是，允许用户对比赛赛事作出预测的程序目前还无法准确计算下一个比赛赛事的概率。还一个问题是，不准确的概率会导致进行预测时产生的不公平性，对用户留存有负面影响。

技术实现思路

[0005]一种用于生成概率的方法、系统和设备，例如，用于对比赛作出预测，该概率可以使用机器学习和/或人工智能来生成或调整。一个实施例包括一种用于生成和调整概率的方法，包括：实时接收实况赛事(live event)的统计信息；将该实况赛事中的行为(action)结果存储在历史行为数据库中；筛选历史行为数据库中与实况赛事中即将发生的行为相匹配的情境数据相关的数据；对与该实况赛事中即将发生的行为相匹配的情境数据相关的类似历史数据进行关联；确定该相似历史数据的相关数据和与该实况赛事中即将发生的行为相匹配的数据之间的差异；将差异与推荐数据库进行对比；并根据推荐数据库调整预测概率。
[0006]在另一个实施例中，可以提供一种用于在实况赛事期间提供概率调整的计算机实现的方法。该方法可以包括用处理器执行步骤：显示体育预测平台；显示可以作出预测的实况赛事；显示远期比赛(future play)的一个或多个预测的调整的概率，该调整后的概率基于实况赛事中的情境数据和历史数据的对比；并显示对调整后的概率的一项或多项预测。
[0007]另一个实施例包括一种用于实时调整实况赛事中的行为的概率的系统，包括：实况赛事数据库，其接收从实况赛事收集的数据；历史行为数据库，其存储从一个或多个先前赛事和一个或多个先前行为中的至少一个收集的数据；概率模块，其确定实况赛事数据库中的数据和历史行为数据库中的数据之间的相关性，将所确定的相关性的差异与推荐数据库进行比较，并基于所确定的相关性与所述推荐数据库的比较来调整预测概率；调整数据库；以及显示器，其显示调整后的预测概率。
附图说明
[0008]附图示出了系统、方法的各种实施例以及实施例的各种其他方面的实施例。本领
域的任何普通技术人员都可以理解，图中所示的元件边界(例如，框、框组或其他形状)代表了边界的一个示例。可以理解，在一些示例中，一个元件可以设计为多个元件，或者多个元件可以设计为一个元件。在一些示例中，显示为一个元件的内部的组件的元件可以实现为另一个元件的外部组件，反之亦然。此外，元件可能未按比例绘制。参照以下附图提供了非限制性和非详尽的描述。图中的组件不一定按比例绘制，而是强调说明原理。
[0009]图1示出了根据实施例的基于人工智能的实况赛事预测系统。
[0010]图2示出了根据实施例的实况赛事模块。
[0011]图3示出了根据实施例的实况赛事数据库。
[0012]图4示出了根据实施例的基础模块。
[0013]图5示出了根据实施例的概率模块。
[0014]图6示出了根据实施例的预测模块。
[0015]图7示出了根据实施例的历史行为数据库。
[0016]图8示出了根据实施例的推荐数据库。
[0017]图9示出了根据实施例的预测数据库。
[0018]图10示出了根据实施例的调整数据库。
[0019]图11A示出了根据实施例的概率模块的示例。
[0020]图11B示出了根据实施例的概率模块的示例。
[0021]图12A示出了根据实施例的概率模块的另一个示例。
[0022]图12B示出了根据实施例的概率模块的另一个示例。
具体实施方式
[0023]在针对本专利技术的具体实施例的以下描述和相关附图中，公开了本专利技术的各方面。本领域普通技术人员将认识到，在不脱离权利要求的精神或范围的情况下，可以设计替代实施例。此外，在本专利技术示例性实施例中，公知的元素将不进行详细描述，或将被省略，以免混淆本专利技术的相关细节。
[0024]如本文所用，“示例性”一词意味着用作示例、实例或示意。本文描述的实施例不是限制性的，而仅仅是示例性的。应当理解，所描述的实施例不必被解释为好于或优于其他实施例。此外，术语“本专利技术的实施例”、“实施例”或“专利技术”并不要求本专利技术的所有实施例都包括所讨论的特征、优点或操作模式。
[0025]此外，本文描述的许多实施例是根据将由例如计算设备的元件执行的行为序列来描述的。本领域技术人员应当认识到，本文描述的各种行为序列可以由特定电路(例如，专用集成电路(application specific integrated circuit，ASIC))和/或由至少一个处理器执行的程序指令来执行。此外，本文描述的行为序列可以完全体现在任何形式的计算机可读存储介质中，这样，行为序列的执行使得处理器能够执行本文描述的功能。因此，本专利技术的各个方面可以以多种不同的形式体现，所有形式都被认为在要求保护的主题的范围内。此外，对于本文描述的每个实施例，任何此类实施例的相应形式在本文中可以被描述为，例如，被用于执行所描述的预测的计算机。
[0026]关于实施例，提供了本文使用的术语的概要。
[0027]“行为(action)”是指体育赛事中的特定行动或特定动作。例如，行为可以确定参
赛运动员。在一些实施例中，行为可以是由体育赛事的参与者进行的投掷、射门、传球、挥杆、踢球、击球。在一些实施例中，行为可以是体育赛事的参与者(例如运动员、教练、管理者等)做出的战略决策。在一些实施例中，行为可以是在体育赛事中发生的处罚、犯规或违规行为。在一些实施例中，行为可以包括体育赛事的参与者。在一些实施例中，行为可以包括体育赛事的开始事件，例如开场提示、掷硬币、开场球、国歌歌手等。在一些实施例中，体育赛事可以是橄榄球、曲棍球、篮球、棒球、高尔夫、网球、足球、板球、英式橄榄球、MMA、拳击、游泳、滑雪、单板滑雪、赛马、赛车、赛艇、自行车、摔跤、奥林匹克比赛、电子竞技等。行为可以以多种方式整合到实施例中。
[0028]数字游戏是指可以由人类用户控制或操纵以用于娱乐目的的任何类型的电子环境。一种系统使人和计算机能够根据一组隐式和显式规则，在电子驱动的领域中进行交互，以达到娱乐或指导的目的。“电子竞技”是指一种使用视频游戏的体育竞赛形式，或者是一种为观众而进行的多人视频游戏，通常由职业游戏玩家进行。数字游戏和“电子竞技”可以以多种方式整合到实施例中。
[0029]“赛事”一词是指比赛、运动、竞赛或赛事的一种形式，尤其是按照规则进行并由技巧、力量或运气决定的比赛。在一些实施例中，赛事可以是橄榄本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于生成和调整概率的方法，包括：实时接收实况赛事的统计信息；将所述实况赛事中行为的结果存储在历史行为数据库中；筛选所述历史行为数据库中与所述实况赛事中即将发生的行为相匹配的情境数据相关的数据；对与所述实况赛事中即将发生的行为相匹配的所述情境数据相关的类似历史数据进行关联；确定所述相似历史数据的相关数据和与所述实况赛事中即将发生的行为相匹配的数据之间的差异；将所述差异与推荐数据库进行对比；以及根据所述推荐数据库调整预测概率。2.根据权利要求1所述的用于生成和调整概率的方法，还包括通过计算一个或多个相关性系数，以及将所述一个或多个相关性系数与预定阈值进行对比，从而确定进行的关联是否有关。3.根据权利要求1所述的用于生成和调整概率的方法，还包括确定要进行关联的若干参数。4.根据权利要求2所述的用于生成和调整概率的方法，还包括用以下公式确定进行的关联是否有关：Zobserved＝(z1
–
z2)/([(1/N1
–
3)+(1/N2
–
3)]的平方根，其中，z1是第一数据集的相关性系数，z2是第二数据集的相关性系数，N1是所述第一数据集的样本量，N2是所述第二数据集的样本量，并且Zobserved在所述推荐数据库中用作z1和z2之间基于统计显著性的比较。5.根据权利要求2所述的用于生成和调整概率的方法，还包括用以下公式确定进行的关联是否有关：Z＝b1‑
b2/S
b1
‑
b2
，所述公式比较各数据集的斜率，其中，b1是所述第一数据集的斜率，b2是所述第二数据集的斜率，S
b1
是所述第一数据集斜率的标准差，S
b2
是所述第二数据集斜率的标准差。6.根据权利要求1所述的用于生成和调整概率的方法，其中，所述推荐数据库包括多个相关性差异范围，并且所述方法还包括：在确定两个或多个相关性之间的差异时，从所...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：阿德伦纳林IP公司，
类型：发明
国别省市：