[发明专利]一种基于知识图谱的健身计划课程推荐方法

说明书

本发明公开一种基于知识图谱的健身计划课程推荐方法，涉及健身个性化推荐领域。该基于知识图谱的健身计划课程推荐方法，包括收集用户身体素质特征情况和健身动作课程数据集，对健身课程动作描述进行知识属性抽取，结构化知识图谱，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，调整模型的超参数。该基于知识图谱的健身计划课程推荐方法，基于RippleNet的健身个性化推荐比基于CF的推荐模型更细粒度地发现用户潜在的健身动作掌握情况，并且丰富了课程多样性，最终提高了推荐的精度到90％、AUC值到84.4％。

技术领域

本发明涉及健身个性化推荐技术领域，具体为一种基于知识图谱的健身计划课程推荐方法。

背景技术

健身大致分为器械锻炼和非器械锻炼，很多人都喜欢这项塑性又健康的运动。健身运动可以采用各种徒手练习，如各种徒手健美操、韵律操、形体操以及各种自抗力动作，也可以采用各种不同的运动器械进行各种练习，如哑铃、杠铃、壶铃等举重器械，单杠、双杠、绳、杆等体操器械，以及弹簧拉力器、滑轮拉力器、橡筋带和各种特制的综合力量练习架等力量训练器械，还有功率自行车、台阶器、平跑机、划船器等有氧训练器材。

为了达到形体健美的目的，需要有专门的训练方法，例如采用杠铃等举重器械做各种动作时，在器械的轻重、动作的做法，安排的组数、次数，运动的速度等方面都有特殊的要求和安排。现有的健身计划课程推荐主要是通过人为经验判断生成，对定制者的要求较高，受人为主观影响较大，且增加了沟通成本。

目前，人们健身时，一般通过查询相关资料或者参考别人的健身方法来进行健身，由于每个人的身体素质之间存在差异，所以，单纯的模仿别人的健身方法来执行自己的健身计划，难以达到健身效果，导致用户的健身不具有针对性，且效率低下，影响用户健身的积极性和健身体验。

有些健身手机软件可以根据用户的一些基本特征和健身目的推荐一些健身计划，但是推荐的课程存在单一性，训练的肌肉相对少，不能整体快速的达到很好的健身效果。

现有的健身计划课程推荐主要是通过人为经验判断生成，对定制者的要求较高，受人为主观影响较大，且增加了沟通成本。

由于每个人的身体素质之间存在差异，所以，单纯的模仿别人的健身方法来执行自己的健身计划，难以达到健身效果，导致用户的健身不具有针对性。

有些健身手机软件可以根据用户的一些基本特征和健身目的推荐一些健身计划课程，但是推荐的课程存在单一性，训练的肌肉相对少，不能整体快速的达到很好的健身效果。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于知识图谱的健身计划课程推荐方法，包括收集用户身体素质特征情况和健身动作课程；对健身课程动作描述进行知识属性抽取，结构化知识图谱；将标注好的用户身体素质特征情况数据集和健身课程图谱喂给RippleNet；对RippleNet在以上收集的训练集上进行微调训练；调整训练模型的超参数，得到最优超参数组合，即训练好的模型；传入当前用户身体素质特征给模型，得到推荐训练的健身计划动作课程。

本发明专利技术能够让用户无需人为经验和沟通，根据用户自身的身体素质特征自动推荐健身计划课程。

知识图谱丰富了健身课程推荐的多样性，通过RippleNet网络模型进行推荐，有效解决了推荐系统的冷启动问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于知识图谱的健身计划课程推荐方法包括如下步骤；

S1、收集用户身体素质特征情况和健身动作课程数据集；