Gabín Brenlla, Jorge JuanParapar, JavierCalvo Rodríguez, IvánUniversidade da Coruña. Facultade de Informática2026-10-052026-10-052026-08https://hdl.handle.net/2183/49632[Resumen] El scouting y la planificación deportiva exigen identificar jugadores que se ajusten a un perfil concreto. Sin embargo, quien mejor encaja en ese perfil suele quedar fuera del alcance del club por su coste de traspaso, su caché u otros motivos. De ahí la necesidad de localizar jugadores similares a esa referencia: alternativas que reproduzcan sus características de juego y resulten asequibles. Y a la inversa: cuando un jugador deja el club, buscar por similitud a quien se marcha señala a sus posibles recambios. De forma análoga, identificar equipos de estilo afín permite organizar amistosos y preparar la pretemporada frente a conjuntos con las características de los rivales más exigentes. Son tareas que el volumen de datos del fútbol moderno hace inabordables de forma manual. Este trabajo diseña e implementa un sistema de recomendación por similitud construido sobre datos de eventos de StatsBomb Open Data. El sistema extrae de los eventos un catálogo de métricas por jugador-partido y por equipo partido, organizadas en una taxonomía de fases de juego, y las almacena con grano por partido en SQLite. A partir de esas observaciones-sin promediarlas antes de entrenar-se ajustan y se comparan dos formulaciones alternativas del modelo Sparse Linear Method: una SLIM instancia-instancia con agregación posterior de la matriz de pesos, y otra distribucional que combina similitud entre nubes de observaciones (maximum mean discrepancy o transporte óptimo entrópico) con un re-ranking EASE de forma cerrada. Ambas se cruzan con dos normalizaciones (z-score por liga y global) y tres geometrías de distancia. Como no existe una verdad de referencia sobre qué jugadores «se parecen», la validación se apoya en la convergencia de señales independientes: un protocolo de siete fases que mide auto-similitud por mitades de temporada, estabilidad ante remuestreo, triangulación entre modelos, tareas derivadas, cobertura y diversidad, y generalización a una liga excluida del ajuste. Un barrido de hiperparámetros acumulativo y paralelizado, con caché por huella, sostiene la elección de los modelos servidos. El sistema se expone en una aplicación web Flask que ofrece búsqueda, comparación de perfiles, visualizaciones explicativas, glosario de métricas, API JSON y gestión de datos y modelos con autenticación, cuotas e incorporación incremental de partidos nuevos con reentrenamiento en caliente.[Abstract] Scouting and sports planning require identifying players who fit a specific profile. How ever, the footballer who best matches it is usually beyond the club’s reach, because of the transfer fee, the wages demanded or other reasons. Hence the need to find players similar to that reference: alternatives that reproduce their playing characteristics and are affordable. And conversely, when a player leaves the club, searching by similarity to whoever departs points to their possible replacements. Likewise, identifying teams with a similar playing style allows friendly matches to be arranged and the pre-season to be prepared against sides with the characteristics of the most demanding opponents. These are tasks that the volume of modern football data makes unfeasible by manual means. This project designs and implements a similarity-based recommender system built on StatsBomb Open Data event data. The system derives from those events a catalogue of per-player-match and per-team-match metrics, organised along a taxonomy of phases of play, and stores them at match granularity in SQLite. From those observations-without averaging them before training-two alternative formulations of the Sparse Linear Method are fitted and compared: an instance-to-instance SLIM with subsequent aggregation of the weight matrix, and a distributional one combining similarity between clouds of observations (maximum mean discrepancy or entropic optimal transport) with a closed-form EASE re-ranking stage. Both are crossed with two standardisation schemes (per-league and global z-scores) and three distance geometries. Since no ground truth exists on which players “are alike”, validation relies on the convergence of independent signals: a seven-phase protocol measuring self-similarity across season halves, stability under resampling, triangulation between models, downstream tasks, coverage and diversity, and generalisation to a league held out of the fit. An accumulative, parallelised hyperparameter sweep with fingerprint-based caching supports the choice of the served models. The system is exposed through a Flask web application providing search, profile comparison, explanatory visualisations, a metric glossary, a JSON API, and data and model management with authentication, quotas and incremental ingestion of new matches with warm-start retraining.spaAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Sistemas de recomendaciónSimilitud entre entidadesAnalítica deportivaDatos de eventosStatsBomb Open DataScouting futbolísticoSLIMEvaluación sin verdad de referenciaAplicación webRecommender systemsEntity similaritySports analyticsEvent dataStatsBomb Open DataFootball scoutingEvaluation without ground truthWeb applicationbachelor thesisopen access