Weighted Elo

图神经网络捕捉非传递性优势以进行网球预测

研究人员开发了一种新颖的图神经网络（GNN）方法来预测网球比赛，通过显式建模非传递性球员优势。该方法将球员表示为节点，比赛结果表示为有向边，捕捉了A击败B、B击败C、C击败A的关系。虽然GNN模型的准确率为65.7%，Brier得分为0.214，但在无条件准确率方面并未优于加权Elo等成熟系统。然而，结合GNN补充信息的联合预测显著超越了加权Elo，尤其是在非传递性比赛中。