一种运动处方流程推荐方法技术

本发明专利技术公开了一种运动处方流程推荐方法，包括以下步骤：1)读入用户以及处方文字信息；2)根据上述信息加权随机森林对用户特征分类；3)用户与处方词嵌入建模；4)神经网络协同过滤预测相似度；5)根据上述相似度生成处方；6)梯度下降法更新参数至步骤4中的神经网络。本发明专利技术能够根据儿童的喜好、体质等各种因素进行判断后得到与儿童相适应的运动处方，适合儿童运动。动。动。

【技术实现步骤摘要】
一种运动处方流程推荐方法


[0001]本专利技术涉及儿童运动
，特别是一种运动处方流程推荐方法。

技术介绍

[0002]随着生活水平的提高，儿童的娱乐种类可选择性增多，例如玩手机、平板以及其他的电子设备，且现有的儿童由于生活水平的提高，也容易出现营养过剩的问题，这些情况直接或者间接导致孩子不想运动、不爱运动，降低儿童的体质，同时也会出现孩子运动过量或者运动过少的情况发生，不利于孩子成长，因此需要根据儿童的喜好、体质等各种因素进行判断后得到与儿童相适应的运动处方，适合儿童运动。

技术实现思路

[0003]针对现有技术中存在的问题，本专利技术的目的在于提供一种运动处方流程推荐方法。
[0004]为解决上述问题，本专利技术采用如下的技术方案。
[0005]一种运动处方流程推荐方法，包括以下步骤：
[0006]1)读入用户以及处方文字信息；
[0007]2)根据上述信息加权随机森林对用户特征分类；
[0008]3)用户与处方词嵌入建模；
[0009]4)神经网络协同过滤预测相似度；
[0010]5)根据上述相似度生成处方；
[0011]6)梯度下降法更新参数至步骤4中的神经网络。
[0012]第4)步将传统的协同过滤计算处方推荐得分方法结合了神经网络的方法，通过多层神经网络来预测目标处方和各个处方的推荐相似度来进行训练；
[0013]训练多次收敛后的神经网络可以做到基于协同过滤的可解释性下，加入神经网络的复杂度，增加了推荐流程整体的复杂度，并且神经网络在各种推荐应该用中也有良好的可解释性；
[0014]基于神经网络的相似度计算过程具有可修改性，可以在基于多层神经网络的输入向量基础上，加入其他模型的描述向量协同训练，比如可以结合矩阵分解(协同过滤)的矩阵变换形式生成的向量进行向量联合，也方便系统根据用户偏好生成特征向量协同训练。
[0015]本专利技术的有益效果
[0016]相比于现有技术，本专利技术的优点在于：
[0017]本专利技术能够根据儿童的喜好、体质等各种因素进行判断后得到与儿童相适应的运动处方，适合儿童运动。
附图说明
[0018]图1为本专利技术的流程图。
[0019]图2为本专利技术的神经网络协同过滤预测相似度网络结构的示意图。
具体实施方式
[0020]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]请参阅图1至图2，一种运动处方流程推荐方法，包括输入：新用户文本特征S
new
，用户
‑
处方历史记录库D，
[0022]1：整个接受处方推荐用户群体进行的循环；
[0023]2：加权随机森林对用户特征分类，分为基本特征和处方偏好，其中第k个特征的决策树权重为weight
AUC
(k)，分类结果为：
[0024][0025]其中X为随机森林的输入，输出值为y，hj(x)为随机抽取的训练集的输出值。
[0026]3：s
i
信息向量化(embedding)，其中a
k
为第k个特征的分类值：
[0027]s
i
＝[a1，a2，
…
，a
t
]；
[0028]4：计算用户相似度，利用向量相似度度量法或者神经网络模拟来预测相似度；
[0029]4.1:皮尔逊相关系数，其中r代表用户对某处方的反馈，u,v分别为不同用户，I
u
，,I
v
分别为用户u,v对应的处方集合
[0030][0031]该用户u对处方i的推荐程度预测值为：
[0032][0033]4.2：或使用神经网络模拟预测计算，输入向量为[s
i
＝[a1，a2，
…
，a
t
]，y
m
]，，其中y
m
为处方m的特征描述向量，输出为用户i对处方m的推荐程度预测结果；
[0034]5：将预测得分最高项目处方推荐给用户；
[0035]6：将推荐结果用户
‑
处方二元组d＝[s
i
，y
m
]加入用户
‑
处方历史记录库。
[0036]以上所述，仅为本专利技术较佳的具体实施方式；但本专利技术的保护范围并不局限于此。任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其改进构思加以等同替换或改变，都应涵盖在本专利技术的保护范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动处方流程推荐方法，其特征在于，包括以下步骤：1)读入用户以及处方文字信息；2)根据上述信息加权随机森林对用户特征分类；3)用户与处方词嵌入建模；4)神经网络协同过滤预测相似度；5)根据上述相似度生成处方；6)梯度下降法更新参数至步骤4中的神经网络。2.如权利要求1所述的一种运动处方流程推荐方法，其特征在于：第4)步将传统的协同过滤计算处方推荐得分方法结合了神经网络的方法，通过多层神经网络来预测目标处方和各个处...

【专利技术属性】
技术研发人员：程文彬，王晓辉，贾振强，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：