论文总字数：28786字

摘 要

现实中很多活动都可以使用数据表示，将生活中的事件抽象为数据，可以更好地体现出其中的某些特性。而建立网络一般是对数据分析的第一步。通过建立网络对数据进行分析，我们可以挖掘出数据之间存在的关联，以及数据集中所蕴含的规律。

本文主要研究球场上的互动与团队表现的关系。由于足球比赛中的活动一般都具有明确的规则和定义，90分钟的足球比赛中包含了大量的运动员行为信息，尤其是其中的传球动作，数据量巨大且对整场比赛影响很大。所以对这些信息进行可视化和数据分析对理解比赛进程和结果具有很强的指导意义。本文首先针对一场典型的英超比赛进行球场事件可视化，球场事件包括传球、抢断、守门员行为、射门、失误、换人和改变阵型、解围、拦截等八类，并用颜色和形状区分双方运动员和不同的事件。接下来本文通过运动员之间的传球行为建立团队合作网络，分析了比赛双方的团队合作网络的聚类系数，接近中心性，介数中心性，节点最短距离，出入度等网络特征，并结合进球事件进行了合理的原因分析，得到的结果显示了传球网络各项属性与球队表现的具体关系。印证了介数中心性，聚类系数与团队表现呈负相关，而接近中心性与团队表现呈正相关，为球队团队合作效率分析提供了重要的参考。

关键字：足球网络，介数中心性，接近中心性，可视化

Abstract

Many activities in reality can be showed with data. With the help with abstracting the events in life into data, some features can be reflected better. The first step of analyzing data is building network. We can mine the relationship between data and the law in the data set.

This paper focuses on the relationship between the interaction on the court and the performance of the team. The 90-minute football match contains a lot of athlete behavior information. Visualization and data analysis of these information have a strong guiding significance for understanding the course and results of the competition. Stadium events include passing, tackle, goalkeeper action, shooting, fault, substitution and change formation, clear and interruption. We use both color and shape to distinguish between both athletes and different events. Then, this article establish team cooperation network through the passing behavior between athletes, and analysis the characters of the network, including clustering coefficient, closeness centrality, betweenness centrality, shortest path and degree. Many useful and interesting result has been explored in this process, leading to some bold but reasonable guess and prediction. The results show that the relationship between the attributes of the passing network and teams’ performance, which prove that betweenness centrality and clustering coefficient were negatively correlated with team performance, and closeness centrality was positively related to team performance What can never be ignored is that it provide vital information for future prediction and exploration.

KEY WORDS: football match, complex network , closeness, visualization

目录

第一章 绪论 1

1.1 研究背景 1

1.2 研究关键点及难点 3

第二章 复杂网络分析综述 5

2.1 网络节点出入度 5

2.2 介数中心数 5

2.3 紧密中心性 6

2.4 聚类系数 6

2.5 最短路径算法 6

2.6 本章小结 7

第三章 数据可视化 8

3.1 数据集介绍 8

3.2 图形可视化步骤 9

3.3 结果展示 11

3.4 本章小结 12

第四章 团队合作网络建立与分析 13

4.1 网络与分析算法的实现 13

4.2 网络分析 15

4.3 网络中节点的距离 17

4.4 分球队分析整场网络 19

4.5 分时段分析网络 20

第五章 总结与展望 24

5.1 论文总结 24

5.2 未来展望 24

致 谢 25

参考文献 26

绪论

研究背景

选题背景及意义

建立信息网络往往是对大数据进行分析的第一步，通过对日常生活中的行为转化为抽象的数据，我们可以更加清晰地认识到某些活动之间的联系。通过对数据进行分析，可以解决现实中的问题，为相关工作提供宝贵的经验。建立信息网络的关键就在于是否能够用数据来准确地代表一些行为，在行为转化为数据时，势必会丢失很多信息，而对这些信息的取舍，就是能否建立一个可靠的信息网络的关键。

此外，网络的可视化也是信息网络一大重点，网络数据可视化使人们可以一次浏览大量的数据，并很快发现异常数据或很难探测的趋势。当人们换个角度考虑问题时，他们很快就会有所收获。所以对网络可视化的研究也十分重要。可以说，建立信息网络是把直观的东西变抽象以便计算机进行分析，而网络可视化则是再把抽象的数据变直观，让人更清晰的观察到事物的本质。

足球作为一项世界性的运动，深受各国球迷的喜爱和追捧。一场足球比赛的胜利，与很多因素有关：团队的合作、球员的能力、球队的出场阵型、球队的作战策略等。同时一场比赛的胜利往往不是偶然现象，在得分甚至取得胜利的背后深藏着球员之间的互动信息。一只球队也正是一个小的团队，球员之间的场上互动就愈发重要，影响着比赛的得分和最终的胜利。正如文献中提到：尽管其他互动形式也十分重要，同队队员间的直接传球最可能成为球赛中最重要的互动形式并被用来估计团队的产出。对足球中的活动建立有效的信息网络是十分有价值的，由于足球有明确的规则，因此无关变量对活动的干扰性很低。同时，足球活动中存在大量可以明确分析的行为，通过建立数据网络对它们进行有效的分析，可以得出很多有趣的结论。

剩余内容已隐藏，请支付后下载全文，论文总字数：28786字