[发明专利]一种基于知识图谱的健身计划课程推荐方法

权利要求书

1.一种基于知识图谱的健身计划课程推荐方法，其特征在于：包括如下步骤；

S1、收集用户身体素质特征情况和健身动作课程数据集；

其中用户训练健身课程情况记录数据集具体包括：每条用户身体素质特征对应学过的健身计划课程动作，处理成(U_i，V_i，1)或者(U_i，V_i，0)，U_i是用户身体素质的ID编号，V_i是课程动作的ID编号，0代表做对了U_i用户没有训练V_i动作课程，1代表用户U_i训练了V_i课程动作；

S2、对健身课程动作描述进行知识属性抽取，结构化知识图谱；

具体包括：将每个健身计划课程动作结构化成三元组(h,r,t),其中h∈E,r∈R,t∈E，E和R分别代表了健身课程动作知识图谱G中的实体和关系，例如，(20，shoulder.stretch，瑜伽)，编号是20的健身课程动作，训练瑜伽下的肩部的深度拉伸；

S3、将一个用户身体素质特征u和一个课程v作为输入，输出是用户身体素质特征u会做训练课程动作v的概率，对于输入u,该用户的历史训练课程情况V_u作为健身课程动作知识图谱的种子集，然后通过实体之间的关系链传播到多层的图谱实体集合即是距离V_u种子集k-hop的一个rippleset；

S4、调整模型的超参数；

具体包括：使用不同的超参数来训练模型，根据在验证集上的效果选出模型的最优超参数；

S5、网络模型训练结束后，传入当前准备健身的用户身体素质特征给模型，即可通过模型得到推荐用户训练的健身动作课程；

其中，在一种基于知识图谱的健身计划课程推荐方法中，用户身体素质特征u＝{u₁,u₂,...},健身动作课程v＝{v₁,v₂,...}，用户身体素质特征和健身动作课程的相关矩阵Y＝{y_uv|u∈U,v∈V}定义了用户做健身课程动作的情况，用户u做过的健身课程动作v，y值为1，否则为0；

在RippleNet里面，定义用户u相关的k-hop的相关健身课程动作和锻炼点实体集合如下：

集合里的是用户已经训练过的健身课程的集合，看作用户u在健身课程知识图谱里的初始种子健身课程集合；

另外，

使用1-hop的rippleset，对于set中的每一个(h,r,t)，计算与健身课程动作embedding的相关性，相关性计算公式如下：

p_i＝softmax(v^TR_ih_i)  (3)

最后通过加权所有t对应的embedding，就得到了第一个表示用户健身课程动作经第一轮扩散后的结果：

接下来，重复上面的过程，假设一共H次，那么最终用户embedding的结果为：

而最终的预测值计算如下：

2.根据权利要求1所述的一种基于知识图谱的健身计划课程推荐方法，其特征在于：所述S1中收集用户身体素质特征情况和健身动作课程数据集具体包括：用户身体素质情况数据集的收集是通过在线的健身管理系统和手机健身软件爬取，收集评价健身有效果的用户做的健身计划课程数据集；

通过爬取各个垂直健身网站以及手机健身软件来构建健身计划课程动作知识图谱。

3.根据权利要求2所述的一种基于知识图谱的健身计划课程推荐方法，其特征在于：所述身体素质特征包括生理参数、身体参数和体质等级等。