Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
競輪におけるレーティングシステムを用いた
予想記事生成に関する研究
北海道大学 大学院情報科学院
情報理工学部門 複合情報工学分野 調和系工学研究室
修士2年 赤坂 駿斗

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
2
研究背景
• 人間は生活の中で様々な意思決定を行っている
– その意思決定を支援する技術の需要は高い[1]
• 意思決定に関わる情報を分かりやすい情報に変換・提示する
ことが必要
– 満足な意思決定のため
[1]福島俊一: 複雑社会における意思決定・合意形成支援の技術開発動向, 人工知能, Vol.34, No.2, pp.131–138, 2019
画像引用 「前橋競輪4R 2018年10月18日 最終日」.
Chariloto.com. Accessed January 24, 2023.
https://www.chariloto.com/keirin/athletes/2018-10-
08/22/4
• スポーツ結果予測における意思決定に
関わる情報
– プレイヤー（選手）の強さ
• 過去の試合結果を網羅する必要が
あり困難
• 勝率や順位は対戦相手の情報が
含まれず不十分
• 本研究では対象を競輪とする
– 投票券の購買という要素により
情報提示に需要
– 出走表から過去成績の把握が困難
競輪予想において「選手の強さ」は重要な情報

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
• 競輪予想における意思決定を支援する予想記事
として選手の過去成績を説明する文章の自動生成
– 手法
• 競輪の特性を反映したイロレーティングの拡張
• レーティングを活用したテンプレート文による
文章生成・提示
– 対象
• 競輪予想における初心者
– 過去成績の把握が困難
3
研究目的
選手紹介文生成
テンプレート選択
提示
レース結果 レーティング計算
過去 対象レース
レーティング取得

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
4
関連研究
• スポーツの結果予測に関する研究
– 競輪[2]、競馬[3]の結果を予測する研究
• 複数人のレーティングシステムに関する研究
– TrueSkill[4]
• コンピュータゲームの平等なマッチング
– 大貧民におけるレーティング手法の検討[5]
• 大貧民AIの強さ推定
• 文章の自動生成に関する研究
– テンプレート文を用いた研究
• 競輪における機械学習による予想の記事自動生成[6]
[2] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪における予想記事生成のためのレース結果予測，情報処理学会論文誌 D, Vol.60, No.10,
pp.1641–1652, 2019
[3] Edelman, D.: Adapting support vector machine methods for horserace odds prediction, Annals of Operations Research, Vol.
151, No. 1, pp.325, 2006
[4] Herbrich, R., Minka, T. and Graepel, T.: TrueSkill™: A Bayesian Skill Rating System, Advances in Neural Information
Processing Systems 20, pp. 569–576, 2007
[5] 五ヶ谷純平, 大久保誠也, 若月光夫, 西野哲朗: コンピュータ大貧民におけるレーティング手法について. 研究報告ゲーム情報学 (GI), No.16,
pp.1-8, 2020
[6] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪 における予想記事の自動生成システムの開発, 電子情報通信学会論文誌 D, Vol. 105, No.1,
pp. 60–74, 2022
従来研究との違い
• 過去の時点や対象レース外の選手との比較が可能
• 競輪におけるレーティング生成と情報提示手法を評価

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
5
本研究で支援するユーザ
• 競輪における投票券（車券）購入
– 競輪では3着までが車券圏内としてその順位を予想
– 二車単・三連単等の的中確率・配当金の大小に特徴がある賭式
• 車券の買い方
– 組合せの総数が多い賭式を購入点数1点で当てるのは困難
• （二車単：72通り 三連単：504通り）
• 複数の車券を効率的に購入
– 上位になりそうな選手を予想する必要がある
• 車券で儲けを出す上で現実的な購入点数に抑える
• 本研究で支援するユーザ
– 的中・儲けを求め選手の順序付けをする
• 特に初心者は選手の過去成績把握が困難
本研究で支援する対象：
• 車券による的中・儲けを求める
• 予想に際して選手の順序付けが困難
上記の条件を満たすユーザ(初心者)を支援
→選手の強さを表す指標が必要
購入方法 購入例
流し 軸とする車番を決めて複数の組み合わせを購入
「1-2」、「1-3」、「1-4」…
ボックス 選択した車番について全組合せを購入
「1, 2, 3, 4」 購入点数12点
二車単の購入例

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
6
競輪予想の既存指標・研究
• 既存指標
– 競走得点
• 競輪特有の指標
• 出場したレースの格付け・着順によって決まる
• 対戦相手の強さを部分的に反映
• ランク付けを行うレーティングの一種
– 勝率（2連対率・3連対率）
• 過去の対戦相手を考慮した値ではないため選手同士を比較する
情報として不十分
• 既存研究
– 機械学習等による結果予測
• 対象レースにおける選手の1着確率のような相対的な比較が可能
• 過去の時点との比較や対象レース外での比較が不可能
選手の強さを表す指標作成において競走得点と比較可能
選手の強さを把握する上で既存指標・研究による情報提示は不十分

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
7
イロレーティング
• 試合結果によってプレイヤーの強さを推定する
イロレーティング[7]
– 将棋[8]・チェス[9]等の2人対戦の競技に広く用いられる
– 勝率を統計的に求めることから、レーティングを計算
• 対戦相手の強さを考慮した値が計算可能
– 平均的な強さのプレイヤーと対戦したときの勝利確率を推定
• 繰り返し更新を行うことで真の勝利確率を示す
[7] Elo, A. E.: The Rating of Chess players, Past and Present, Ishi Press International, 1978
[8] FIDE Online. FIDE Top players - Standard Top 100 Players November 2022, Accessed November 16, 2022
[9] 将棋連盟 棋士別成績一覧（レーティング）, Accessed November 16, 2022
Wij ：プレイヤーiがjに勝つ確率
Ri：プレイヤーiのレーティング
K：更新定数
基本的な勝率計算式と更新式
本研究では、競輪選手の強さを表すために拡張

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
8
イロレーティングの競輪適用に必要な拡張
• 競輪にイロレーティングを適用するうえで競技特性
と想定するユーザを考慮した拡張の必要がある
• 競輪の競技特性
– 複数人同時対戦
• 競輪は最大9人で行われる複数人同時対戦競技
• 2者間の勝率を求めることによるイロレーティングをそのまま使う
ことができない
– トーナメント式
• 競輪は1開催が3日~6日に渡り行われ、「初日の上位3名が2日目の
レースで準決勝に進む」のようなトーナメント式が採用されている
• 下位同士の順位に実力差が表れにくい
本研究では複数人同時対戦競技における各試合の上位選手
を推定するレーティングを計算

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
9
複数人の同時対戦を考慮した拡張
更新式
• 手法１ １対１比較による更新
– プレイヤーそれぞれとの勝敗判定による更新
– プレイヤー1人に対してN-1回の更新が行われる
（N：1レースにおける選手の総数）
１位
２位
・・・
R:
1,700
R:
1,800
更新例
3位
R:
1,600
4位
R:
1,900
Wij ：プレイヤーiがjに勝つ確率
Ri：プレイヤーiのレーティング
K：更新定数
placei：プレイヤーiの順位

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
10
複数人の同時対戦を考慮した拡張
• 手法２ １対平均比較による更新
– 自分からみて上位・下位それぞれの平均レーティングに
対して勝敗したとして更新
– 順位を考慮した更新量の調整を加える
１位 ４位
２位
３位
・・・
𝑅𝑙𝑜𝑠𝑒 𝑅𝑤𝑖𝑛
更新例
Wwi ：プレイヤーiに対する下位の平均
レーティング勝率
Ri：プレイヤーiのレーティング
K：更新定数
placei：プレイヤーiの順位
N：1レースにおける選手の総数
更新式

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
11
開催形式（トーナメント式）を考慮した拡張
• 下位変動量固定
– 競輪は開催形式がトーナメント式になっていて上位が決勝
に進むという特徴を踏まえて、「下位同士の順位に選手の
強さが表れにくい」という仮定を立て更新式を拡張する
– 上位の変動量合計の負数をレーティングによって分配
– 下位を定める定数Lはパラメータとして探索
更新例
更新式（下位）
・・・
L-2位 L-3位
L-1位
1~L位
+50
-50
R:1500(-10) R:1400(-8) R:1600(-12)
Ri：プレイヤーiのレーティング
Rhigh：上位のレーティング変動量合計
RL：下位のレーティング合計
placei：プレイヤーiの順位
L：下位を定める定数

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
12
実験概要
• 実験目的
– 各手法によって生成したレーティングが選手の強さを的確に
表しているか確認
• 実験手法
– 1着予測のTop K accuracyによる比較
• 推定確率・順位の上位K番目までに正解が含まれているか否か
• 使用データ
– 競輪データ
比較対象 説明
競走得点 競輪における選手の格付け指標 レースの格と順位で計算される
１着率 選手の強さを表す既存指標
機械学習モデル 競輪の結果を予測する先行研究[6]
TrueSkill 複数人を考慮したレーティング生成の先行研究[4]
範囲 2008年4月1日~2019年5月31日
レース数 295,421レース
選手の総数 4,398人
レーティング初期値 1,500
レーティング計算
範囲 2018年6月1日~2019年5月31日
レース数 19,758レース
選手の総数 2,246人
予測精度による性能比較
[4] Herbrich, R., Minka, T. and Graepel, T.: TrueSkill™: A Bayesian Skill Rating System, Advances in Neural Information Processing Systems 20,
pp. 569–576, 2007
[6] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪 における予想記事の自動生成システムの開発, 電子情報通信学会論文誌 D, Vol. 105, No.1, pp. 60–74,

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
13
結果
• 1着予測のTop K accuracy
– 既存指標より高い予測精度を示す
– 下位の変動量を固定する拡張により精度の向上を確認
– 機械学習より低い予測精度を示す
1着予測
@1[%]
1着予測
@3[%]
1対1比較更新
（イロレーティング）
ベース 39.3 72.7
下位変動量固定 41.0 74.5
1対平均比較更新
（イロレーティング）
ベース 39.6 72.8
下位変動量固定 41.3 75.0
既存の予想指標 競走得点 36.4 70.5
1着率 36.5 67.8
機械学習(先行研究) Transformer 45.7 79.7
レーティングシステム
(先行研究)
TrueSkill 38.9 72.1

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
14
生成したレーティングの分析
• 目的
– 拡張・生成したレーティングがイロレーティングの性質を
保つか確認
• 二者間の推定勝利確率
– 推定される二者間の勝利確率が実際の結果に従うか検証
• 選手のレーティング更新例
– 選手の特徴的な成績に対し、生成したレーティングの推移を確認

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
15
生成したレーティングの分析
• レーティングから算出される二者間の推定勝利確率
– 1対平均更新モデル、下位変動量固定(L=3)
– 横軸：二者間の推定勝利確率、縦軸：実際の勝利確率
– y=xに近いほど二者間の勝率推定が高精度
二者間の推定勝利確率は1対平均更新のベースモデルの精度が高い

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
昇級(A1→S2)
16
生成したレーティングの分析
• 選手のレーティング更新例
– 1対平均更新モデル、下位変動量固定(L=3)
– 対戦相手はA級とS級で別
降級(S2→A1)
昇級(A1→S2)
デビュー9連勝
20戦の3着内率95%
昇級後にレーティングの上昇を確認
S級選手の平均
レーティング

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
17
予想記事の生成
• レーティングを活用した予想記事（選手紹介文）の生成
– 過去成績の把握を支援
– ユーザはレーティングの詳細を知らないため文章等の情報提示が必要
• 過去成績の把握を支援するために説明する内容
– 出走選手同士の比較
– 選手個人について過去と比較
– レースレベルについて過去と比較
直近4ヶ月のレーティングの変動例
レーティングから過去成績を説明するテンプレートを作成

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
18
テンプレートの設定・文章生成例
• 現在のレーティングとレース内順位
– 対象レースにおける選手の序列を説明
• 長期（直近４か月）
– 選手の強さの長期的なトレンドを説明
– 競走得点や1着率等の他指標と同期間
• 短期（直近５レース）
– 直近の対戦履歴について説明
– レーティングが最も大きく変動したレースを抽出
• 強さに差のある対戦相手に対する成績を説明
• 前走比較
– 1レースにおける出走者の平均レーティングを
レースレーティングとして前走と比較
文章生成例

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
19
生成文のアンケート評価
• 目的
– 過去成績の把握を支援する情報提示としての有効性の確認
– 納得のいく意思決定を支援する情報提示としての有効性の確認
– 文章による情報提示の質を確認
• アンケート概要
– 競輪初心者13名を対象としたアンケートを実施
• 車券購入の機会が数回程度までと答えた人
– 対象者に３つのレースの勝者を予想してもらう
– 情報提示手法を3つ用意
• 出走表
• 出走表＋機械学習による結果予想の記事(先行研究)
• 出走表＋選手紹介文＋上位3名のレーティング推移グラフ(提案手法)
– 各レースと各情報提示手法を組合わせた6パターン作成
• 配布は1人1パターン

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
20
提示した情報例
• 手法１
– 出走表のみ
• 手法２
– 出走表＋予想記事(先行研究)
画像引用 「前橋競輪4R 2018年10月18日 最終日」. Chariloto.com. Accessed January 24, 2023.
https://www.chariloto.com/keirin/athletes/2018-10-08/22/4

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
21
情報提示手法
• 手法3
– 出走表＋選手紹介文＋レーティンググラフ
– 選手紹介文は全員分提示
直近4ヶ月のレーティング変動

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
22
評価
• アンケート設問
– 選手の強さを把握できたと思うか
(全体・上位の順序付け、選手個人の成績推移
の把握が可能か)
• 過去成績の把握を支援する情報提示としての有
効性
– 予想に自信があるか
• 納得のいく意思決定を支援する情報提示として
の有効性
– 文章の提示により煩わしさを感じたか
• 文章による情報提示の質を確認
• 点数が低い方が高評価
評価点数 基準
5 非常にそう思う
4 そう思う
3 どちらかと言えばそう思う
2 どちらかと言えばそう思わない
1 そう思わない
5段階評価基準
パターン 情報提示 選手の強さを
把握できたか
予想に自信
があるか
文章提示が
煩わしいか
出走表
＋
選手紹介文
＋
グラフ
選手紹介文 4.38 3.92 2.15
グラフ 4.31 (3.92) -
出走表のみ 出走表 3.46 3.23 -
出走表
＋
予想記事
予想記事
(先行研究)
3.64 3.62 1.54
• 「選手の強さを把握できたか」、
「予想に自信があるか」において
選手紹介文の評価が高い
• 「文章提示が煩わしいか」は選手紹介
文の評価が低い
– 上位選手のみのグラフが選手紹介文と
同等の評価
選手紹介文は初心者の予想支援に有効
グラフによる提示がユーザ志向による
提示手法の1つとして有効
各情報提示手法ごとの5段階評価の平均

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
23
まとめ・今後の展望
• まとめ
– 競輪における選手の強さを説明する記事の自動生成
– 選手の強さをレーティングで表現した
• 競走得点を超える1着予測精度
– レーティングを活用した選手説明文の生成
• 初心者の予想支援に有用
• 今後の展望
– 支援対象の拡大
• 対象ユーザの特徴を考慮した情報提示
– 競輪以外の競技に応用
• 同様な条件を持つ競馬・オートレース・競艇

Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
24
研究業績
• 国内学会 口頭発表 査読なし（１件）
〇赤坂 駿斗, 横山 想一郎, 山下 倫央, 川村 秀憲 : 複数プレイヤーの同時対戦
を考慮したイロレーティングの拡張, 第22回データ指向構成マイニングとシ
ミュレーション研究会, 2, 神奈川県(2022-11), オンライン
• 発表予定（１件）
（国内学会 口頭発表 査読なし）
〇赤坂 駿斗, 横山 想一郎, 山下 倫央, 川村 秀憲 : 多人数同時対戦に対応した
拡張イロレーティングシステムを用いた競輪予想記事生成, 社会システムと情
報技術研究ウィーク2022(WSSIT), 北海道(2022-03), オンライン