AAAI会议介绍
人工智能顶会，每年一届，CCF A类会议，H5高达126。
论文介绍
预测群体比赛的胜负是一项重要且有挑战的任务。由于人具有社会属性，比赛中的成员不可避免地会与其他成员产生交互，影响比赛结局。现有的工作主要关注于学习团队成员的个体能力，或者建模团队内部的交互。然而，群体比赛中存在多种复杂的交互，包括团队内部交互（即合作效应）和团队间交互（即竞争效应）。同时，不同重要性的成员还会在群体比赛中受到不同程度的关注，影响比赛结果。
为此，本文提出了NeuralAC，他能学习带权重的竞争合作效应，用于比赛结果的预测。具体来说，NeuralAC首先将个体成员投影到多个隐空间，使用神经网络作为交互函数来建模对友间的合作和对手间的竞争效应。随后，我们使用两种注意力机制来捕捉团队内部以及团队间的注意力分布，这同时提高了比赛预测的准确性和可解释性。进一步地，我们证明了之前几种经典的方法可以看作 NeuralAC的特例。在多个电子竞技的数据集上的实验结果表明，NeuralAC优于其它方法。该方法还可以很容易地推广到其他任务中，如团队形成，MOBA游戏平衡性检测。
论文原文
https://crazynote.v.netease.com/2021/1011/6d9a21e12395119e2665112fb5ea18fd.pdf
