[发明专利]一种移动运动应用中的运动路线推荐方法

说明书

本发明公开了一种移动运动应用中的运动路线推荐方法，具体涉及运动路线推荐领域，具体推荐步骤如下：S1、利用Geohash编码搜索候选路线数据集；S2、规约化路线数据集；S3、计算运动路线属性相似度以及计算运动模式相似度，最终由运动路线上的细节和个人整体运动能力两方面决定被推荐的路线，将推荐结果推送给用户。本发明为现在方兴未艾的移动运动应用的用户提供个性化的运动路线推荐，利用大量用户在使用移动运动应用过程中积累形成的海量运动路线数据，为用户提供与其所在位置以及其个人运动能力相匹配的运动路线建议，从而达到丰富移动运动应用的功能改善用户体验的目的。

技术领域

本发明涉及运动路线推荐技术领域，更具体地说，本发明涉及一种移动运动应用中的运动路线推荐方法。

背景技术

随着生活水平的不断提高，人们越来越重视健康和锻炼，很多人希望选择一种适合自己的锻炼方式，保持良好心态，有规律地生活。这包括如何选择最好的运动方式和如何恰当地计算运动强度。跑步是一种简单有效而广被采用的运动方式。

移动互联网技术近年来开始与运动结合，各种移动端运动管理软件不断出现并迅速形成了可观的用户群。这些软件可以通过自身的运动检测功随时随地地采集用户的与运动有关的数据，实现运动状况的跟踪(如路线、时间、速度等)，甚至可以帮助用户进行锻炼规划。随着这些软件的普及和推广，用户运动路线的信息量增长迅速。运动应用不仅需要保存大量这些数据，还应挖掘它们的价值以便改善用户体验，根据用户的具体情况(具体指跑步能力的差异)推荐合适的运动路线是一个常见的移动端运动管理软件的功能需求。

另外个性化推荐系统由RobertArmstrong等最早提出。常见的包括协同过滤、基于内容、基于图等几大类推荐算法。基于内容的推荐算法通常以关键字表示一个项的特征，以特征向量构造用户的偏好，然后将数据集中的各候选项与用户过去的偏好作比较，并推荐一些和用户过去喜好相同或相近的项。

基于内容的推荐算法的第一步是项目表示，即通过提取相应的关键字来表示候选项并构造相应的候选项特征向量，在广泛采用向量空间模型VSM中常用TF-IDF方法计算每个分量的权重；第二步是特征学习，根据用户偏好数据来学习用户的喜好特征，常用的算法有KNN最近邻方法、Rocchio算法和决策树算法；第三步是产生推荐，即通过比较在前面两步基础上分别得出的候选项特征和用户的喜好特征，然后将相关性较强的候选项推荐给用户。基于内容的推荐算法不需要用户对候选项推荐进行评价，推荐结果比较符合用户的喜好；但无法推荐用户潜在的喜好，且存在新用户冷启动的问题。

本发明采用基于内容的推荐方法从大量运动路线中迅速有效地为用户推荐合适的运动路线的方案，该方案构建原始运动路线数据集的索引，为加强推荐速度对候选运动路线的数据进行降维处理，在计算运动路线的内容相似度的同时考虑运动路线和运动模式的相似度以便针对用户的个人情况进行更准确和具个性化的推荐，还解决了推荐的冷启动问题；

专利申请公布号CN104838673A的专利公开了一种计算机实施的方法包括获得指示与用户相关联的移动计算设备的行进模式的行进信息；识别该移动计算设备和用户的当前情境；基于该当前情境和所获得的行进信息识别一个或多个目的地位置，用户至少具有用该移动计算设备行进至该一个或多个目的地位置的阈值似然度；生成至少具有沿着用于前往所识别的一个或多个目的地位置的多条路线中的一条或多条而发生的阈值概率的一个或多个事件的预测；基于该当前情境以及对一个或多个事件的预测从该多条路线中选择要向用户进行推荐的特定路线；并且提供识别所选择的特定路线的路线信息。

该发明提供的是一个从用户的当前位置到指定目的地的导航方案。这种路线推荐和我们的发明方案的路线推荐的不同在于它的目的地是固定的，而我们的方案里没有目的地这个问题。另一方面，在他们的方案里也无需考虑用户的运动方式和能力；