本公开总体上涉及用于生成和部署主动学习事件模型的系统和方法。
背景技术:
1、随着数据的激增,运动队、评论员和球迷等对识别和分类整个比赛或整个赛季中发生的事件更感兴趣。鉴于每个事件都存在大量数据,手动过滤这些数据以识别事件的每个实例是一项繁重的任务。
技术实现思路
1、在一些实施例中,本文公开了一种方法。一种计算系统接收训练数据集。训练数据集包括针对事件类型的第一标记事件子集和第二未标记事件子集。计算系统生成事件模型,该事件模型被配置为通过使用第一标记事件子集和第二标记事件子集而主动地训练事件模型,来检测事件类型并对事件类型进行分类。计算系统接收针对目标比赛的目标比赛档案。目标比赛档案至少包括与目标比赛中的选手相对应的跟踪数据。计算系统使用事件模型识别目标比赛中的事件类型的多个实例。计算系统使用事件模型对事件类型的多个实例中的每个实例进行分类。计算系统基于目标比赛档案和多个实例生成更新的事件比赛档案。
2、在一些实施例中,本文公开了一种非瞬态计算机可读介质。非瞬态计算机可读介质包括一个或多个指令序列,当由处理器执行时,指令序列使计算系统执行操作。这些操作包括通过计算系统接收训练数据集。训练数据集包括针对事件类型的第一标记事件子集和第二未标记事件子集。这些操作还包括:通过计算系统,生成事件模型,该事件模型被配置为通过使用第一标记事件子集和第二标记事件子集而主动地训练事件模型,来检测事件类型并对事件类型进行分类。这些操作还包括:通过计算系统,接收针对目标比赛的目标比赛档案。目标比赛档案至少包括与目标比赛中的选手相对应的跟踪数据。这些操作还包括:通过计算系统,使用事件模型识别目标比赛中的事件类型的多个实例。这些操作还包括:通过计算系统,使用事件模型对事件类型的多个实例中的每个实例进行分类。这些操作还包括:通过计算系统,基于目标比赛档案和多个实例生成更新的事件比赛档案。
3、在一些实施例中,本文公开了一种系统。该系统包括处理器和存储器。存储器上存储有编程指令,当处理器执行该编程指令时,使系统执行操作。这些操作包括接收训练数据集。训练数据集包括针对事件类型的第一标记事件子集和第二未标记事件子集。这些操作还包括:生成事件模型,该事件模型被配置为通过使用第一标记事件子集和第二标记事件子集而主动地训练事件模型,来检测事件类型并对事件类型进行分类。这些操作还包括:接收针对目标比赛的目标比赛档案。目标比赛档案至少包括与目标比赛中的选手相对应的跟踪数据。这些操作还包括:使用事件模型识别目标比赛中的事件类型的多个实例。这些操作还包括:使用事件模型对事件类型的多个实例中的每个实例进行分类。这些操作还包括:基于目标比赛档案和多个实例生成更新的事件比赛档案。
1.一种方法,包括:
2.根据权利要求1所述的方法,其中通过所述计算系统生成事件模型,所述事件模型被配置为通过使用所述第一标记事件子集和所述第二标记事件子集而主动地训练事件模型来检测所述事件类型并对所述事件类型进行分类,包括:
3.根据权利要求2所述的方法,还包括:
4.根据权利要求3所述的方法,还包括:
5.根据权利要求3所述的方法,还包括:
6.根据权利要求5所述的方法,还包括:
7.根据权利要求1所述的方法,还包括:
8.一种非瞬态计算机可读介质,包括一个或多个指令序列,当由处理器执行时,所述指令序列使计算系统执行操作,所述操作包括:
9.根据权利要求8所述的非瞬态计算机可读介质,其中通过所述计算系统生成事件模型,所述事件模型被配置为通过使用所述第一标记事件子集和所述第二标记事件子集而主动地训练所述事件模型,来检测所述事件类型并对所述事件类型进行分类,包括:
10.根据权利要求9所述的非瞬态计算机可读介质,还包括:
11.根据权利要求10所述的非瞬态计算机可读介质,还包括:
12.根据权利要求10所述的非瞬态计算机可读介质,还包括:
13.根据权利要求12所述的非瞬态计算机可读介质,还包括:
14.根据权利要求8所述的非瞬态计算机可读介质,还包括:
15.一种系统,包括:
16.根据权利要求15所述的系统,其中生成事件模型,所述事件模型被配置为通过使用所述第一标记事件子集和所述第二标记事件子集而主动地训练所述事件模型,来检测所述事件类型并对所述事件类型进行分类,包括:
17.根据权利要求16所述的系统,还包括:
18.根据权利要求17所述的系统,还包括:
19.根据权利要求17所述的系统,还包括:
20.根据权利要求15所述的系统,其中所述操作还包括: