Player_Scouting_Recommendation_System
1.0.0
Recherche de joueurs basée sur l'IA : recherchez, recommandez, améliorez le jeu de votre équipe - ? Ceci est une version bêta
Le système de recommandation de recrutement de joueurs est un outil conçu et développé pour les recruteurs, entraîneurs et analystes de football. Ce système utilise des techniques avancées de récupération d’informations et d’intelligence artificielle pour révolutionner le dépistage des joueurs. En saisissant un joueur spécifique, le système identifie rapidement les dix joueurs les plus similaires, proposant des rapports personnalisés générés par l'IA pour recommander le meilleur joueur pour votre équipe en fonction des caractéristiques de l'équipe.
Pour essayer l'application python, la version CSV_Version du système de recommandation de dépistage des joueurs est disponible ! [DÉMO].
Il s'agit de la version sans Solr, pour essayer la version Solr suivez le fichier readme.txt localement.
Le projet s'approvisionne en données auprès de FBRef, l'un des principaux sites Web de statistiques sur le football. Avec une base de données comprenant plus de 200 000 joueurs et équipes, FBRef fournit des informations riches et cruciales pour l'analyse des performances des joueurs.
En tirant parti d'Apache Solr, recherchez et accédez rapidement aux données des joueurs grâce au système de suggestion dynamique de requête.
#### 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"
)
Découvrez des joueurs avec des styles de jeu, des attributs et des statistiques similaires à ceux du joueur sélectionné. 
Recevez des rapports détaillés et personnalisés sur les joueurs grâce à une génération de langage naturel de pointe avec un formulaire d'invite de correction. 
La documentation complète. Dans ce doc il y a tous les détails du projet. 
Le système de recommandation de recrutement de joueurs présente certaines limites qu'il est important de prendre en compte :
Le système de recommandation de recrutement de joueurs a été développé exclusivement à des fins démonstratives et éducatives. Ce système a été créé dans le cadre d'un projet pour l'examen des systèmes de recherche d'informations de l' Université de Naples, Federico II . Il est essentiel de noter que le système de recommandation présenté ici est conçu comme un outil d’aide à la décision et n’a pas pour vocation de remplacer un quelconque recruteur ou entraîneur de football. C'est une idée conceptuelle. Je voudrais exprimer notre gratitude à la communauté open source pour les outils et bibliothèques inestimables qui ont rendu ce projet possible. Un merci spécial à FBRef pour avoir fourni des données complètes sur le football.
? Ce projet a été développé par Antonio Romano et est disponible sur la page GitHub.
