从群体比较中学习：利用高阶交互作用

的一部分神经信息处理系统进展31（NeurIPS 2018）

作者

姚莉、程敏浩、富井、谢福星、谢卓瑞

摘要

我们研究从群体比较中学习的问题，并应用于预测体育和网络游戏的结果。该领域以前的大多数工作都侧重于学习个人效果——他们假设每个球员都有一个潜在的分数，团队的“能力”由团队成员的分数之和建模。因此，所有当前的方法都无法模拟团队成员之间更深入的互动：一些玩家如果一起玩会表现得更好，而一些玩家在一起表现得很差。在本文中，我们提出了一个新的模型，该模型考虑了玩家交互效应。然而，在某些情况下，个体的总数可能非常大，玩家交互的数量呈二次增长，这使得学习变得很难。在这种情况下，我们提出了一个潜在因素模型，并表明在温和的假设下，我们模型的样本复杂度是有界的。最后，我们表明，我们提出的模型对多个电子竞技数据集具有更好的预测能力，并且可以用于揭示以前方法无法发现的有趣模式。