|
연구요약
|
1차년도
□ 1차년도 목표: 스포츠 경기 사례분석을 통한 승부조작 위험 변수 추출
승부조작 위험 변수 추출 방법
첫 번째 단계는 지난 20년 간(2000년 이후) 전 세계적으로 스포츠 승부조작으로 실제 판명된 경기와 승부조작이 의심되는 경기의 배팅기록, 경기내용관련 기록, 경기영상 등을 수집하는 것이다. 이 연구를 위하여 선정된 승부조작(의심) 경기와 비승부조작 경기에 대하여 Web crawling 방법을 이용하여 세계 TOP 3위의 배팅업체(예: 필리핀 Crown사)에서 제공하는 배당률관련 데이터를 수집할 것이다. 수행관련 경기기록은 해당경기를 주관한 각 경기단체가 제공하는 공식기록과 영상기록 등을 수집하고자 한다. 모든 수집된 데이터는 데이터마이닝 기법을 적용하여 승부조작 관련 1차 변수로 선정할 것이다.
2차년도
□ 2차년도 목표: 승부조작 위험성 탐지를 위한 딥러닝 모델링 설계
딥러닝 모델링 설계 방법
두 번째 단계는 수집된 자료를 활용하여 승부조작 위험성 탐지를 위한 최적의 딥러닝 분석모형을 설계하는 것이다. 이 연구에서 수집된 자료는 승부조작 여부라는 결과 값을 가지고 있는 지도학습에 해당한다. 이에 자료를 바탕으로 한 반복 분석을 통하여 은닉계층의 크기 그리고 분석모형(회귀 또는 판별)을 탐색할 것이다. 잠재적으로 선정한 최적모형에 대한 10여개 후보모형을 선정한 후 트레이닝 데이터와 테스트 데이터의 양적 그리고 질적 성능평가를 실시한다. 이때 활성화함수는 Sigmoid와 ReLu 등에 대하여 적합성을 분석할 것이다.
3차년도
□ 3차년도 목표: 승부조작 위험성 경고 시스템 구현
경고시스템 구현 방법
세 번째 단계는 실시간으로 승부조작의 위험성을 경고하는 시스템을 구현하는 것이다. 배팅자료 웹크롤링, 분석, 평가, 경고메시지 발생 등 일련을 과정을 실시간으로 구현하여 웹 서비스를 구현한다. 이때 안전, 경계, 주의, 심각의 네 개 등급 구분 임계치 기준은 승부조작 위험도 90% 이상을 ‘심각’, 80% 이상을 ‘주의’, 70% 이상을 ‘경계’, 70% 미만을 ‘안전’으로 초기 설정 한 후 확장된 Angoff 방법을 적용하여 기준을 확정할 계획이다.
|
