随着复杂网络的研究范围越来越大，体育比赛逐渐应用于它，尤其是在两支球队体育运动中：足球和篮球。本文分类了近年来的许多相关研究，从球员通过风格和团队的获胜率到量化团队风格，到联盟的整体特征以及体育与社会之间的关系，以展示复杂的网络研究和数据分析技术。与运动结合的各种可能性。

1。复杂的网络是一个盒子，可以在其中安装运动吗？

无论是足球还是篮球，团体竞争运动都涉及数十亿人和数万亿美元的大型行业。随着体育比赛的数字化，大量数据使数据科学能够在体育行业中证明其魔力。 NBA勇士已经引发了使用专业数据分析来提高其性能的浪潮。随着勇士队连续冠军的冠军，数据分析师已成为各种NBA球队篮球教练团队必不可少的成员。

在其他运动（例如足球，网球，排球等）中，数据分析在改善球队的比赛中也发挥了作用。

任何涉及团队合作的运动自然都可以被视为参与者之间互动的网络。由于明确定义了竞争运动的胜利或失败，因此数据是自然标记的；以及竞争运动中的球员（例如身高，体重等）的特征以及通过，射击，突破性和球场上的其他行动的特征。 。

通过计算机视觉对视频数据的自动标记，大量数据累积了许多自然的随机双盲实验。这使研究人员可以使用复杂网络的成熟方法来研究网络结构的变化，网络中的信息传输与宏观结果（胜利和输）之间的关系。

复杂网络在体育中的应用具有广泛的空间。例如，除了各种职业运动之外，一些研究方法和结论还适用于团队电子竞技项目，例如Dota。将来，网络分析的框架还可以集成数据源，包括视频，可穿戴设备，身体检查和物理测试数据，这可以使网络具有更高的级别，并更好地发挥网络分析的力量。

对于非专业运动，当用户上传数据增加时，还可以生成新的研究方向，例如研究如何避免体育造成的伤害以及如何允许参加运动的球员锻炼身体并相对均匀地发展。

本文将介绍最近的四项相关研究，逐渐扩大了观点。首先，查看球员传球对结果的影响，然后查看如何对球队的连续风格进行定量检查，然后在不同时间分析整个联盟的整体特征。最后，我们分析了体育在社会中的地位，并展示了复杂网络研究和体育的许多可能的方向。

2。如何传球和接球可以帮助您赢得篮球比赛

球队状况不佳，某个球员的表现不佳是输球后的普遍借口。从网络科学的角度进行分析时，可以定义一个新的指标来预测团队的胜利或损失。

杜克大学的研究人员在2018年的预印纸上提出了篮球比赛的预测指标。

论文标题：

烟雾：游戏成功的社交网络指标

纸张地址：

该研究基于NCAA美国大学联盟，并配备了高清三维立体摄影和分析。本文还涉及通过网络。有了这样的数据，每个球员都可以给他或她传球和热点送球。如下图所示，图a）中的热点说明，玩家最常在三点线的顶部传球，而BCD在传递前进的球员时显示了最常见的捕获位置，中心和后卫位置。

图1：玩家的传球位置的热图和其他类型玩家的接收位置

后来，作者合并了篮球规则，并定义了一个指标，以描述每个球员在传球网络中的影响。该指标可以理解为结合特定应用程序方案的中心度计算方法（烟雾），但计算方法是用于传球和接收球，并且每个玩家都在二维空间中给出一个，而不是一个值维度空间。

根据新提议的指标，作者在获胜和失去同一团队时比较了传球和接收网络，并表明该指标可以通过显示两者之间的显着差异来预测团队的获胜和输球。

图2：在获胜和输球时比较球队球员的传球指标

上图中的每个点（数字代表玩家的数字）代表玩家，红色代表球，蓝色代表通过，位置表示根据二维空间中的烟雾计算得出的指标。地点。左侧对应于损失，右侧对应于获胜。无论是团队还是个人，都有明显的差异。当用作预测时，新提出的指标也比现有指标更好。

3。瓜迪奥拉下的巴塞罗那山脉有什么区别

在9月份在《自然亚公开科学报告》上发表的一篇论文中，研究人员使用在线科学方法证明了粉丝对瓜迪奥拉教练精致的通行证的印象并控制了游戏的节奏。

论文标题：

定义一支历史悠久的足球队：使用网络科学分析瓜迪奥拉的FC巴塞罗那

纸张地址：

研究人员要注意游戏中的传球，并在La Liga的单个赛季中转移球队的传球记录，形成了一个定向网络，如下图所示。图中的每个点都是一个播放器，点的大小代表网络中特征向量的中心性，点的位置是其平均通过位置，并且线的深度代表通过的总数。

图3：巴塞罗那通过网络的可视化

之后，研究人员比较了传统足球分析中使用的指标，例如50通过的时间以及网络分析中使用的指标，例如群集系数和最大的特征向量。这是团队特征向量中心的最大中心等等。发现巴塞罗那和其他La Liga球队的通行网络的平均值显着差异。

在得分或承认之前，巴塞罗那的通行网络也与其他La Liga球队有很大不同。

图4：比较La Liga的不同团队的前50个传球/承认目标的相应指标的比较。

上图显示了一个由五十次传球组成的网络，然后在得分和接球之前。它检查了通行网络的相应矩阵的网络的聚类系数和最大特征向量。垂直轴是当目标得分时的值，而水平轴是丢失目标时的值。

该分析用于说明，在目标/承认的关键时刻，巴塞罗那和其他球队之间的差异仍然存在，并且团队之间的这种差异是牢固的。研究人员还使用水平和垂直轴之间的差异表明，在丢失目标和进球之前，通行网络有所不同。

4。足球比赛变得无聊 - 比赛的结果越来越困难

竞争运动的魅力在于没有永恒的赢家，但最近的一篇文章打破了一个神话，即如果您喜欢打架，您将获胜。通过分析了11个主流欧洲联赛的80,000场比赛的成果，作者得出结论认为，今年8月的Arixv论文得出的结论是，球队之间的差距变得越来越重要，并且比赛的结果也更加强大。可预测性，而家庭法院的优势通常变得不那么重要。

论文标题：

足球变得无聊。在11个大联盟中进行了8.8千场比赛的网络分析

纸张地址：

图5：英超联赛中获胜和失去关系的网络可视化

上图所示的本文中研究的网络。该数字中的每个点都是英超联赛中的一支球队。线的深度代表了两个球队之间的目标差异，而得分的大小代表了球队的胜利。负面网络中的中间性。

本文基于诸如团队的平均赛季目标和承认目标等指标，并与他们是否在家中相结合，使用简单的逻辑回归模型来预测游戏的胜利或丢失。

下图显示了在几个欧洲顶级联赛中的预测模型的AUC（橙色，用于评估模型的准确性）和Gini系数（蓝色，用于评估不平等程度）。从1995年到2018年的18岁可以看出，两者都在显着增加。

图6：英超联赛，德甲联赛，西甲，意甲A和Gini系数的胜利和输球的可预测性

5。某个团队的球迷人数与城市人口之间的权力法关系

竞争运动具有越过国界的魅力。在2018年的Arxiv文章中，作者发现，三个足球巨头皇家马德里，曼彻斯特联和拜仁的球迷数量（Twitter注意力，脱发数量）以及每个国家不同城市之间的人数显示出一项权力法律。分配。

论文标题：

Twitter上足球追随者的城市规模

纸张地址：

这并不奇怪，但是分析粉丝数量的增长（在这些国家 /地区是超级市场）的增长是有趣的，即球迷数量的增加速度比城市人口总数快，例如城市人口的增长10次​​，风扇数量增加了15次，这是相应的凸出系数：15/10 = 1.5。下图显示了印度尼西亚三支球队（ID），哥伦比亚（CO），墨西哥（MX），西班牙（ES），英国（GB）和美国（美国）的粉丝和城市人数的数量。功率指数尺​​寸。

图7：不同国家不同城市的三个足球巨头球迷的增长率

可以看出，在印度尼西亚和哥伦比亚，有不同程度的超级线性增长，这意味着大城市的粉丝比例高于小城市的比例。

在美国，英国和西班牙，情况恰恰相反。美国人对足球不感兴趣，但是英国和西班牙没有超级线性的增长。这表明，在发展中国家，他们对足球的热爱更加依赖城市。大小的增长。

一种可能的解释是，在富人和穷人之间差距很大的地方，城市越大，我们就越需要竞争性运动带来的娱乐。

除了结论符合权力法的普遍性外，本文还将体育视为社会物理学的一部分，研究体育与我们关心的其他指标之间的关系，例如团队绩效和我们所在的城市。经济上升和下降。

6。使用数据说话并成为职业足球迷

关于网络科学和数据科学在体育竞赛中的应用，有越来越多的研究，与行业知识的结合变得越来越深入。

如果您问篮球迷的主场优势是什么意思，他可能无法清楚地解释它。有了数据科学，您可以对本文进行研究（家庭甜蜜的家：量化NCAA篮球统计的主场优势），并指出，将在家中玩的球队的盖帽和助攻数量与平均水平进行比较。 。近20％增加了近20％，而罚球和抢断的数量也将增加5％-10％。这与观看比赛的粉丝的普遍印象是一致的。阻止和窃取数据的数据增加的原因是球员在战斗中更加活跃。裁判的罚球次数越多，请照顾主队，助攻越多，球队的比赛就越耐心。

论文标题：

家庭甜蜜的家：量化NCAA的家庭法院优势

篮球统计

纸张地址：

还有许多其他基于网络数据的研究，例如基于足球传球位置的聚类团队，这与粉丝们经常说的442和434种类型相对应（为足球比赛中编队的聚类算法）。例如，使用遗传算法帮助团队经理选择最佳的球员组合。

论文标题：

通过性能指数，球员选择篮球队

评级，使用多物体进化算法

纸张地址：

另一个可能的组合是研究决定专业运动员/培训师成功或失败的因素，成功科学也是最近研究的热门话题。研究人员是否会发现“与大公牛合作”和“著名教师合作”的成功法律，在体育界的艺术家和科学家中也是一个值得研究的方向。

我更关心体育与普通百姓之间的关系。大数据研究能否解释说，体育锻炼和身体健身评估的得分与个人的学术，职业成功或创新能力有关？还是指出体育锻炼设施的数量是因果关系，并且与城市的经济发展有关？这是一个更普遍和脚踏实地的研究方向。