딥러닝을 활용한 세계태권도 남자부 선수들의 경기유형 분류: 트랜스포머 알고리즘 적용
Classification of World Taekwondo Men’s Match Types Applying Deep Learning: Application of Transformer Algorithm
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
이 연구는 세계태권도선수권대회 남자부 경기를 대상으로 승⋅패집단에 따른 태권도 선수들 경기유형을 분류하여 비교분석 하는 목적으로 설계하였다. 이 연구의 목적을 위해 세계대회에 참여한 남자부 경기 754라운드를 분석경기로 선정하였으면, 경기내용 기록을 위해 22개 변인을 선정하였다. 22개의 변인의 특징을 찾아 군집분석 모델링을 통해 선수 유형을 확인하였으며, 데이터의 값들의 변화 감지에 좋은성능을 보이는 Transformer learning과 데이터의 복잡한 데이터들의 특징 요소들을 파악할 수 있는 차원축소 모델을 활용하였다. 그 결과 첫째 태권도 선수들 경기유형을 분류에 있어 모델 2 즉, 임베딩을 활용한 모델이 적합한 것으로 나타났으며, 경기유형은 승⋅패 집단별 4개로 구분되었다. 둘째, 승리집단의 군집에 대한 명명으로는 군집 1 : 득점관리_유지형, 군집 2 : 선제득점_체력형, 군집 3 : 선제득점_관리형, 군집 4 : 얼굴득점_역전형이며, 패배집단의 군집에 대한 명명은 군집 1 : 역습공격_체력형, 군집 2 : 회전공격_득점약세형, 군집 3 : 회전공격_체력형, 군집 4 : 회전공격_시도형이다.
Abstract
This study first looked into This study was designed for the purpose of comparative analysis by classifying the match types of Taekwondo players according to winning and losing groups in the men’s matches of the World Taekwondo Championships.For the purpose of this study, 754 men’s sets participated in world competitions were selected as analysis matches, and 22 variables were selected for recording the contents of the matches .Characteristics of 22 variables were found and the player type was identified through cluster analysis modeling. Transformer learning which shows good performance in detecting changes in data values in deriving the characteristics of variables, and the dimensionality reduction model that can identify the characteristic elements of complex data of data was used.As a result, first, model 2, that is, a model using 임베딩, was found to be appropriate for classifying the types of taekwondo players matches, and the types of matches were divided into 4 groups by winning and losing groups.Second, the names of the clusters of the winning group are cluster 1: scoring management_maintenance type, cluster 2: preemptive scoring_physical force type, cluster 3: preemptive scoring_management type, cluster 4: face scoring_reverse type, and the names of clusters of the losing group are cluster 1: counterattack_ physical force type, cluster 2: spinning attack_weak score type, cluster 3: spinning attack_ physical force type, cluster 4: spinning attack_attempt type.
참고문헌 (18)
- 김기동, "2019 세계태권도선수권대회 경기운영능력 분석", 무예연구, 15(1), pp.179~197 (2021), 한국무예학회
- 김두한, "리우올림픽 태권도경기의 한국선수와 외국선수의 경기운영 분석을 통한 경기력 향상 방안", 스포츠사이언스, 36(2), pp.117~124 (2019), 체육과학연구소[DOI]
- 김순영, "태권도 겨루기 경기의 현황과 발전방향", 무예연구, 14(2), pp.23~38 (2020), 한국무예학회
- 김유진, "한국 여자프로골프 경기기록을 통한 선수들의 군집분석", 한국체육과학회지, 30(2), pp.1025~1032 (2021), 한국체육과학회[DOI]
- 김태훈, "장애인 태권도 선수들의 승패결정 경기내용 분석", 무예연구, 15(1), pp.199~216 (2021), 한국무예학회
- 문원재, "리우 올림픽을 향한 체급별 우수선수 분석", 스포츠사이언스, 34(2), pp.99~106 (2017)
- 오혜리, "토픽모델링을 적용한 태권도선수들의 회전승패제 도입에 따른 인식 및 경기운영 변화 탐색", 스포츠사이언스, 40(3), pp.97~104 (2022), 체육과학연구소[DOI]
- 이상용, "히트맵을 적용한 태권도 겨루기 경기유형 분류", 한국체육측정평가학회지, 24(1), pp.1~14 (2022), 한국체육측정평가학회[DOI]
- 장남경, "스포츠 경기관람객의 몰입(Flow)경험 구조 연구", 한국스포츠산업경영학회지, 24(5), pp.72~87 (2019), 한국스포츠산업경영학회[DOI]
- 전민수, "상대성 효과를 고려한 태권도겨루기경기수행 전략 : 자기-상대방 상호의존모형적용", 박사, pp.2018
- 전민수, "세계 정상급 태권도 선수들의 경기상황에 따른 경기내용별 득점 난이도 분석", 국기원 태권도연구, 10(1), pp.175~188 (2019), 국기원[DOI]
- 정광채, "세계 정상급 태권도 선수들의 경기 운영형태에 따른 득점 유형분석", 한국체육과학회지, 25(5), pp.1303~1315 (2016), 한국체육과학회
- 정영한, "태권도 겨루기경기의 승·패 요인 분석", 한국체육과학회지, 26(3), pp.1291~1299 (2017), 한국체육과학회[DOI]
- 정영한, "중등학생 태권도 선수 경기의 성별·체급별유형에 따른 득점 유효타 추이에 의한 득점 성공률 분석", 한국체육과학회지, 27(6), pp.1211~1219 (2018), 한국체육과학회[DOI]
- 최형준, "스포츠경기분석의 이슈와 전망", 한국체육측정평가학회지, 22(3), pp.105~113 (2020), 한국체육측정평가학회[DOI]
- Jeon, M., "Analysis of point deduction patterns in Taekwondo using association rule learning", International Journal of Performance Analysis in Sport, 19(3), pp.323~330 (2019)
- Clavijo, F. A. R., "Identification of football teams styles of play by cluster analysis", International Journal of Sports Science & Coaching (2023)
- Zeng, A., "Are transformers effective for time series forecasting?", Proceedings of the AAAI conference on artificial intelligence, 37(9), pp.11121~11128 (2023)