Skip to content
Hot eventLive

用图神经网络从足球追踪数据自动检测比赛阶段

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026年10月9日，arXiv 统计学机器学习栏目发布论文，提出结合图神经网络（GNN）与序列模型的框架，按七类分类体系逐秒识别足球比赛阶段。研究在203场比赛的规则标注数据上评估，所选 GNN-LSTM 模型优于 XGBoost 与 LSTM 等聚合特征基线，macro F1 高出最强基线4.6%。论文称采用近似传球通道的 Delaunay 三角剖分与自定义 SEAConv 层效果最佳，可减少人工标注需求。目前报道仅涉及该论文的方法与实验结果，未见后续验证或应用进展。

Generated from reports · updated 3 hr ago

LatestOct 9
arXiv 论文提出 GNN-LSTM 框架，在203场比赛数据上 macro F1 超最强基线4.6%。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. arXiv · Statistics Machine Learning
    基于图神经网络与时空追踪数据的足球比赛阶段自动检测

    论文提出结合图神经网络（GNN）与序列模型的框架，按七类分类体系逐秒识别足球比赛阶段。在 203 场比赛的规则标注数据上，所选 GNN-LSTM 模型优于 XGBoost 与 LSTM 等聚合特征基线，macro F1 高出最强基线 4.6%。采用近似传球通道的 Delaunay 三角剖分与自定义 SEAConv 层效果最佳，可减少人工标注需求。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.