Player2Vec y otros modelos probabilísticos: framework para evaluar performance en jugadores de fútbol

• Autores: Glauberman, Tomás; Pardo, Ignacio; Silvestri, Juan Ignacio
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Ciencias Informáticas; Fútbol; Machine learning; Redes de jugadores; Embeddings; Cadenas de Markov; Soccer; Player networks; Embeddings; Markov chains
• Institución: Universidad Nacional de La Plata

En la última década, el análisis deportivo ha evolucionado hacia una perspectiva cada vez más matemática y sofisticada. Aplicaciones como el uso de análisis espacial en Basketball (Goldsberry, 2012) y la investigación estadística del Brentford con Smartodds son ejemplos claros de la tendencia creciente en este campo. El béisbol, por mucho tiempo el deporte preferido para la analítica, ha experimentado una profunda transformación con la implementación de Sabermetrics (Baumer, 2015). La introducción de herramientas analíticas avanzadas ha producido resultados positivos para muchos equipos, lo que resalta el valor de estudiar métricas específicas dentro de cada deporte. Este desarrollo se centra en el fútbol, un deporte en el cual los análisis previos se han concentrado, en su mayoría, en predecir resultados de partidos y mejorar el rendimiento de los equipos. Sin embargo, este trabajo propone un enfoque diferente al analizar el impacto de los jugadores sobre la posesión de balón y los disparos del equipo desde  na perspectiva probabilística.A partir de la métrica PSL propuesta en el paper en desarrollo Soccer Networks(Huang et al., n.d.) planteamos un proceso para comparar el impacto que tienen los jugadores sobre la performance del equipo. Logramos formular una metodología para estudiar la distribución de la performance de un equipo. Luego, proponemos una serie de métodos y métricas para comparar el rendimiento de dos formaciones de jugadores. Desarrollamos una forma de representación vectorial (Embeddings) de los jugadores, llamada Player2Vec, un modelo de Machine Learning también basado sobre el modelo de redes de jugadores planteado en el mismo paper del PSL. Esto último permite desarrollar modelos predictivos sobre el rendimiento de los jugadores en un equipo. Nuestro modelo final logra predecir la performance de los jugadores un 58.99% mejor que asumir las distribuciones previas como priors.
Over the last decade, sports analysis has evolved into an increasingly mathematical and sophisticated perspective. Applications such as the use of spatial analysis in Basketball and Brentford’s statistical research with Smartodds are clear examples of the growing trend in this field. Baseball, long the sport of choice for analytics, has undergone a profound transformation with the implementation of Sabermetrics. The introduction of advanced analytics tools has produced positive results for many teams, highlighting the value of studying specific metrics within each sport.This development focuses on soccer, a sport in which previous analyses have mostly concentrated on predicting match results and improving team performance as a whole. However, this work proposes a different approach by analyzing the relationship between the player as an individual and the respective player training.Specifically, we explore the impact of players on ball possession and team shots from a probabilistic perspective. Starting from the probability of kicking before losing the ball (PSL) proposed in the developing paper “Soccer Networks”, and its demonstrated positive influence on team results, we propose a process to compare the impact of players on PSL and consequently on team performance.We succeeded in formulating a methodology to study the PSL distribution of a team for which we propose a series of methods and metrics to compare the performance of two formations of players. We developed vector representation of the players (Embeddings), called Player2Vec, based on the player graph proposed in the same paper “Soccer Networks”. The latter allows us to develop predictive models about the performance of players in a team. Our final model is 58.99% better at predicting player performance than assuming previous distributions as priors, thus outperforming simpler Bayesian models.
Sociedad Argentina de Informática e Investigación Operativa