A lightweight approach for predicting errors in chess matches

Abstract

O xadrez vem se tornando cada vez mais popular e acessível. O xadrez online permite que jogadores se desafiem de diferentes partes do mundo, possibilitando novas formas de aprendizagem do jogo e interação entre usuários na Web. Com o crescimento de popularidade, existe a possibilidade de empoderar jogadores casuais com ricas análises computacionais, que podem auxiliar no processo de aprendizagem do jogo. Uma das formas de analisar partidas de xadrez é através do estudo de erros. Nesse contexto, uma nova abordagem para a tarefa de predição de erros no xadrez é apresentada. A motivação desse trabalho é que saber quando jogadores tem mais chances de errar, é saber que tipos de situações apresentam mais dificuldades no processo de tomada de decisão. Para esse fim, foi adicionada uma camada de abstração no já estudado problema de predição de erro, acrescentando features baseadas em grafos aos modelos de aprendizagem de máquina. Os resultados indicam um aumento na acurácia dos modelos testados, melhorando os resultados obtidos em estudos recentes.