본 논문은 기존 축구 분석 도구의 공격적인 선수 기여도 과대평가 및 수비나 연결 플레이에 기여하는 선수들의 기여도 간과 문제를 해결하기 위해, 공간 및 시간적 특징을 모두 고려하여 선수들의 중요도를 평가하는 GNN 기반 프레임워크를 제시합니다. 기대 위협(xT) 변화에 대한 개별 선수의 기여도를 할당하고, 수비 및 전환 플레이와 같은 비 득점 행위에 대한 공정한 기여도 평가를 가능하게 하는 이벤트 중심 그래프에 공간 및 시간적 특징을 인코딩합니다. 중심성 측정값을 학습된 선수 임베딩에 통합하여 볼 점유율이 높은 수비수와 수비형 미드필더의 기여도를 제대로 반영합니다. 또한, 장기 의존성과 변화하는 경기 상황을 처리하기 위해 Graph Attention Networks 및 Transformer 기반 모델을 포함한 다양한 GNN 변형을 탐색하고, 그 성능과 계산 복잡도를 비교 분석합니다. 실제 경기 데이터를 이용한 실험을 통해 기존 공격 지표로는 파악하기 어려운 중요한 역할을 강조하는 본 연구의 강력함을 확인하고, 더욱 포괄적인 축구 분석을 위한 모델의 유용성을 보여줍니다.
