숨겨진 주역들을 찾아라: GoalNet, 축구 선수 평가의 새로운 지평을 열다

GoalNet은 GNN 기반의 축구 선수 평가 시스템으로, 기존 시스템의 한계를 극복하고 선수들의 기여도를 더욱 정확하게 평가합니다. 공간 및 시간적 특징을 고려하고 다양한 GNN 모델을 활용하여 실제 경기 데이터 기반으로 검증되었습니다.

기존의 축구 분석 시스템은 기대 득점(xG)과 같은 지표에 의존하는 경향이 강했습니다. 이는 곧 공격수들의 활약에 대한 과대 평가와, 팀의 균형을 유지하고 공격을 연결하는 선수들의 공헌을 간과하는 결과를 낳았습니다. 맨체스터 시티의 로드리나 바이에른 뮌헨으로 이적한 팔리냐와 같은 선수들이 좋은 예입니다. 그들의 핵심적인 역할은 단순한 득점으로 환산되지 않기 때문이죠.

하지만 이제, GoalNet이 등장했습니다! Jacky Hao Jiang, Jerry Cai, Anastasios Kyrillidis 세 연구원이 개발한 GoalNet은 GNN(Graph Neural Network) 기반의 혁신적인 축구 선수 평가 시스템입니다. 이 시스템은 기대 위협(xT) 변화에 대한 개별 선수의 기여도를 평가하여, 기존 분석 시스템의 한계를 극복하고자 합니다.

GoalNet의 핵심은 이벤트 중심 그래프를 활용하여 공간적, 시간적 특징을 모두 포착한다는 점입니다. 이는 단순히 득점만이 아닌, 수비, 공격 전환 등 다양한 플레이에 대한 공정한 평가를 가능하게 합니다. 또한, 중앙성 측정을 학습된 선수 임베딩에 통합하여 볼 점유율이 높은 수비수나 수비형 미드필더의 중요한 기여를 제대로 반영합니다. 더 나아가, 장기적인 의존성과 변화하는 경기 상황을 처리하기 위해 Graph Attention Networks와 Transformer 기반 모델 등 다양한 GNN 변형 모델을 실험하고, 성능과 계산 복잡도를 비교 분석했습니다.

실제 경기 데이터를 기반으로 한 실험 결과, GoalNet은 기존의 공격 지표로는 포착되지 않는 핵심적인 선수들의 역할을 효과적으로 부각함으로써, 그 강건성과 유용성을 증명했습니다. GoalNet은 더욱 포괄적이고 정확한 축구 분석의 새로운 시대를 열 것으로 기대됩니다. 이는 단순한 통계 분석을 넘어, 축구 전술 이해의 새로운 차원을 제시하는 획기적인 성과라 할 수 있습니다. 앞으로 GoalNet이 축구계에 어떤 영향을 미칠지, 귀추가 주목됩니다. 🎉