Player_Scouting_Recommendation_System
1.0.0
Exploración de jugadores impulsada por IA: explora, recomienda y mejora el juego de tu equipo. Esta es una versión Beta
El sistema de recomendación de exploración de jugadores es una herramienta diseñada y diseñada para exploradores, entrenadores y analistas de fútbol. Este sistema utiliza técnicas avanzadas de recuperación de información e inteligencia artificial para revolucionar la exploración de jugadores. Al ingresar un jugador específico, el sistema identifica rápidamente los diez jugadores más similares y ofrece informes personalizados generados por IA para recomendar el mejor jugador para su equipo según las características del equipo.
Para probar la aplicación Python, está disponible la versión CSV del sistema de recomendación de exploración de jugadores. [MANIFESTACIÓN].
Esta es la versión sin Solr. Para probar la versión de Solr, siga el archivo readme.txt localmente.
El proyecto obtiene sus datos de FBRef, un sitio web líder en estadísticas de fútbol. Con una base de datos que comprende más de 200.000 jugadores y equipos, FBRef proporciona información valiosa y crucial para el análisis del rendimiento de los jugadores.
Aprovechando Apache Solr, busque y acceda rápidamente a los datos del jugador con Query Dynamic Suggestion System.
#### Script for Autocomplete
def search_solr ( searchterm : str ) -> List [ any ]:
# Check if a search term is provided
if searchterm :
# Query Solr for player names containing the search term
res = solr . query ( 'FootballStatsCore' , {
'q' : 'Player:' + '*' + searchterm + '*' ,
'fl' : 'Rk,Player' ,
'rows' : 100000 ,
})
result = res . docs
# If results are found
if result != []:
# Create a DataFrame from the results
df_p = pd . DataFrame ( result )
# Extract the 'Rk' and 'Player' columns and clean the data
df_p [ 'Rk' ] = df_p [ 'Rk' ]. apply ( lambda x : x [ 0 ])
df_p [ 'Player' ] = df_p [ 'Player' ]. apply ( lambda x : x [ 0 ])
# Return the 'Player' column as autocomplete suggestions
return df_p [ 'Player' ]
else :
# Return an empty list if no results are found
return []
# Streamlit search box
selected_value = st_searchbox (
search_solr ,
key = "solr_searchbox" ,
placeholder = "? Search a Football Player"
)
Descubre jugadores con estilos de juego, atributos y estadísticas similares a los del jugador seleccionado. 
Reciba informes de jugadores detallados y personalizados impulsados por la generación de lenguaje natural de última generación con un formulario de solicitud de reparación. 
La Documentación completa. En este documento están todos los detalles del proyecto. 
El Sistema de Recomendación de Exploración de Jugadores tiene algunas limitaciones que es importante considerar:
El Sistema de Recomendación de Exploración de Jugadores ha sido desarrollado exclusivamente con fines demostrativos y educativos. Este sistema fue creado como parte de un proyecto para el examen de Sistemas de Recuperación de Información en la Universidad Federico II de Nápoles . Es esencial tener en cuenta que el sistema de recomendación presentado aquí está diseñado como una herramienta de apoyo a la toma de decisiones y no pretende reemplazar a ningún Football Scout o entrenador. Es una idea conceptual. Me gustaría expresar nuestra gratitud a la comunidad de código abierto por las invaluables herramientas y bibliotecas que hicieron posible este proyecto. Un agradecimiento especial a FBRef por proporcionar datos completos sobre fútbol.
? Este proyecto fue desarrollado por Antonio Romano y está disponible en la página de GitHub.
