Sistema de integración y enriquecimiento de datos deportivos mediante grafos de conocimiento: aplicación a ligas de fútbol

Abstract

[Resumen] Este Trabajo de Fin de Grado desarrolla un sistema para integrar, modelar y consultar datos futbolísticos procedentes de fuentes heterogéneas mediante tecnologías semánticas. El problema abordado es la fragmentación de las plataformas de datos deportivos, donde cada fuente emplea estructuras, identificadores y métricas diferentes, lo que dificulta el análisis conjunto de competiciones, equipos, jugadores, partidos y eventos. El trabajo se ha realizado siguiendo una metodología iterativa e incremental, adaptada a un proyecto individual e inspirada en Scrum. Esta metodología permitió organizar el desarrollo en fases sucesivas de análisis, diseño, implementación, validación y documentación, revisando las decisiones tomadas a medida que se detectaban problemas en la integración y normalización de los datos. Como solución, se implementa un sistema que extrae, transforma y normaliza los datos, convirtiéndolos en una representación común basada en RDF. El grafo generado se serializa en formato Turtle y se carga en GraphDB, donde puede consultarse mediante SPARQL. Además, se desarrolla una interfaz web con Flask que permite explorar la información integrada sin escribir consultas manualmente. El resultado es una solución funcional que cubre el proceso completo de extracción, modelado semántico, carga, consulta y visualización de datos futbolísticos, demostrando la utilidad de los grafos de conocimiento para integrar información deportiva procedente de múltiples fuentes.

[Abstract] This end-of-degree project develops a system for integrating, modelling and querying football data from heterogeneous sources using semantic technologies. The problem addressed is the fragmentation of sports data platforms, where each source uses different structures, identifiers and metrics, making it difficult to jointly analyse competitions, teams, players, matches and events. The work followed an iterative and incremental methodology, adapted to an individual project and inspired by Scrum. This methodology made it possible to organise the development into successive phases of analysis, design, implementation, validation and documentation, reviewing the decisions made as issues were detected during data integration and normalisation. As a solution, the system extracts, transforms and normalises the data, converting it into a common RDF-based representation. The generated graph is serialised in Turtle format and loaded into GraphDB, where it can be queried using SPARQL. In addition, a web interface developed with Flask allows users to explore the integrated information without manually writing queries. The result is a functional solution that covers the complete process of extraction, semantic modelling, loading, querying and visualisation of football data, demonstrating the usefulness of knowledge graphs for integrating sports information from multiple sources.