[发明专利]基于运动识别进行信息推荐的方法及装置

说明书

技术领域

本发明涉及信息推荐技术领域，具体而言，本发明涉及基于运动识别进行信息推荐的方法及装置。

背景技术

近年来，随着电子产业和通信技术的飞速发展，以数据、话音、视频为基础的新业务发展迅猛。微电子技术、计算机软硬件技术的快速发展，为终端设备处理越来越复杂的工作打下了基础，为终端设备个性化提供了实现可能，使得终端从某种程度上摆脱了网络的制约，可以具备越来越强大的功能。此外，用户本身也对终端有迫切的需求，希望终端功能更强大、更灵活、更简捷。信息技术的发展，使终端技术走向智能化、移动化、多功能化。

目前，运动识别技术分为两大类，一类基于图像识别，如：微软的Kinect或索尼的Move等，利用人体周围固定放置的传感器，感知人体躯干和四肢的运动轨迹，从而识别诸如举手或拍动上肢等运动。但此类运动识别技术识别场景有限，只能识别人体动作，无法感知心率、脉搏等特征，且也无法随识别主体进行移动。

另一类基于人体随身携带的便携式传感器，由于便携式传感器本身及算法的局限，大多数便携式传感器只能提供运动数据监测技术，如：Nike+、NikeFuelband、Fitbit或咕咚网手环等，可记录用户的运动距离和消耗的热量等数据，但无法识别运动的种类。

目前，针对运动的推荐方法较少，且推荐模式较简单。就一般推荐方法而言，可分为基于内容、协同过滤算法和关联规则挖掘三大类。各方法具体内容如下：

基于内容的推荐，推荐给用户一些与用户已选择过的项目相似的内容。例如，当用户在网上购书时，总是购买与历史相关的书籍，那么基于内容的推荐就会给用户推荐一些热门的历史方面的书籍。

基于协同过滤算法的推荐，推荐给用户一些与用户品味相似的其他用户喜欢的内容。例如，当用户在网上买衣服时，基于协同过滤算法的推荐，会根据用户的历史购买记录或是浏览记录，分析出用户的穿衣品位，并找到与该用户品味相似的一些用户，将他们浏览和购买的衣服信息推荐给该用户。

基于关联规则挖掘的推荐，推荐给用户一些采用关联规则发现算法计算出的内容。关联规则的发现算法包括Apriori、AprioriTid、DHP和FP-tree等。其核心为使用候选项集找频繁项集。

其中，还可结合上述各推荐方法，得到一个更加全面的推荐结果，向用户推荐。综合用户的兴趣偏好、属性，商品的属性、内容、分类，及用户之间的社交关系等，挖掘用户的喜好和需求，向用户推荐其感兴趣或需要的商品。

识别出不同的运动类型，对运动推荐具有重要的作用，如：散步、慢跑和骑车，不同的运动类型其实施者的兴趣爱好也不同。

随着智能终端计算能力的提高和传感器的集成，可区分一些简单的运动类型。主要表现在，受限于便携式传感器简单的构造和感知信息的不精细，可利用的便携式传感器较少，通常利用加速度传感器和方向传感器，根据震动幅度和方向的不同，区分散步、跑步、爬楼梯等简单运动。对于一些复杂或相近的运动，现有运动识别技术则无法进行区分。

现有运动识别技术，多采用机器学习中的分类算法，但该类算法需要大量的训练数据，才能给出较高的分类性能。可人工构造训练数据，耗时耗力，增加成本。

现有运动识别技术，没有区别个体的差异，导致识别结果会不精确。如老年人的跑步和青年人的走路，传感器信息则比较接近。

由于现有运动识别技术无法识别出真实的运动爱好，导致不能进行准确的运动推荐。且现有运动推荐也仅是根据当前的地理位置给出一些宽泛的推荐，较少考虑如何针对所识别的运动进行必要的推荐。对于异构数据，现有推荐方法无法进行处理，现有推荐方法只能推荐一类项目，无法处理多个项目之间的关系。

因此，有必要提出一种技术方案，解决现有运动识别技术的识别类型过于简单、识别结果不够精确，及运动推荐单一、无针对性，不能满足用户真实需要的问题。

发明内容

本发明的目的旨在至少解决上述技术缺陷之一，特别是基于多模态的传感器运动数据和用户通信数据中的运动信息，对运动类型进行识别，进而向用户推荐具有针对性的多样化信息。

一方面，本发明实施方式提供一种基于运动识别进行信息推荐的方法，包括步骤：获取用户的运动关联信息；根据所述运动关联信息，识别所述用户的运动类型；基于所述运动关联信息和所述运动类型，向所述用户推荐信息。