CN114912005A - 运动推荐方法、装置、设备及介质 - Google Patents

运动推荐方法、装置、设备及介质 Download PDF

Info

Publication number
CN114912005A
CN114912005A CN202110171834.9A CN202110171834A CN114912005A CN 114912005 A CN114912005 A CN 114912005A CN 202110171834 A CN202110171834 A CN 202110171834A CN 114912005 A CN114912005 A CN 114912005A
Authority
CN
China
Prior art keywords
motion
user
exercise
evaluation
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110171834.9A
Other languages
English (en)
Inventor
胡玉兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202110171834.9A priority Critical patent/CN114912005A/zh
Priority to US17/462,949 priority patent/US20220249910A1/en
Publication of CN114912005A publication Critical patent/CN114912005A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Animal Behavior & Ethology (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Obesity (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请公开了一种运动推荐方法、装置、设备及介质，该方法包括获取用户的基本信息；根据用户的基本信息查询预先构建的运动知识图谱，得到目标运动方式列表、与目标运动方式列表对应的评价属性列表；根据目标运动方式列表和评价属性列表确定至少一种运动方案，运动方案包括至少一个运动方式和与所述运动方式对应的推荐运动时长；根据评价属性列表对至少一种运动方案进行排序处理，得到排序结果；从排序结果中推荐至少一种运动方案。本申请实施例提供的技术方案，通过查询预先构建的运动知识图谱获取运动方式列表，并对运动方式列表进行优选处理，有效地提高了运动推荐结果的精准度。

Description

运动推荐方法、装置、设备及介质
技术领域
本申请涉及大数据处理的技术领域，尤其涉及运动推荐方法、装 置、设备及介质。
背景技术
运动医学越来越受到人们的关注和重视，尤其对慢性病，亚健康 人群，规律科学的运动有助于保持健康，提高生活质量。科学研究已 证实运动对糖尿病、高血压、高血脂、肥胖等慢性病人群具有积极的 作用，有助于改善糖代谢、调节血压、改善血脂、减控体重等。
发明内容
本申请一些实施例提供了一种运动推荐方法，所述方法包括：
获取用户的基本信息；
根据所述用户的基本信息查询预先构建的运动知识图谱，得到目 标运动方式列表、与所述目标运动方式列表对应的评价属性列表；
根据所述目标运动方式列表和所述评价属性列表确定至少一种运 动方案，所述运动方案包括至少一个运动方式和与所述运动方式对应 的推荐运动时长；
根据所述评价属性列表对所述至少一种运动方案进行排序处理， 得到排序结果；
根据所述排序结果推荐至少一种运动方案。
在一些实施例中，根据所述用户的基本信息查询预先构建的运动 知识图谱，得到目标运动方式列表、与目标运动方式列表对应的评价 属性列表，包括：
根据所述用户的基本信息构建至少一个查询语句；
根据所述至少一个查询语句中的每个查询语句分别查询所述运动 知识图谱，得到所述目标运动方式列表、与所述目标运动方式列表对 应的评价属性列表。
在一些实施例中，所述基本信息包括：用户的目标病症类型、目 标用户属性和用户的体力活动水平评估结果，所述根据所述用户的基 本信息构建至少一个查询语句，包括：
获取所述用户的体力活动水平评估结果；
在所述用户的体力活动水平评估结果为高级时，将所述目标用户 属性和所述目标病症类型作为查询条件，构建查询语句；或者，
在所述用户的体力活动水平评估结果为中级或中级以下时，将所 述目标用户属性和所述目标病症类型作为查询条件，构建第一查询语 句；
将所述用户的体力活动水平评估结果作为查询条件，构建第二查 询语句。
在一些实施例中，所述运动知识图谱包括用户属性实体与运动类 型实体之间的第一关系，运动类型实体与疾病类型实体之间的第二关 系，则所述根据所述至少一个查询语句中的每个查询语句分别查询所 述运动知识图谱，包括：
在所述用户的体力活动水平评估结果为高级时，根据所述第一查 询语句查询所述运动知识图谱中所述第一关系和第二关系，得到目标 运动方式列表；或者，
在所述用户的体力活动水平评估结果为中级或中级以下时，根据 所述第一查询语句查询所述运动知识图谱中所述第一关系和第二关系， 得到初始运动方式列表；
根据所述第二查询语句，查询所述运动知识图谱得到所述初始运 动方式列表中满足用户的体力活动水平评估结果的运动方式，作为目 标运动方式列表；
获取与所述目标运动方式列表对应的评价属性列表。
在一些实施例中，根据所述目标运动方式列表和所述评价属性列 表确定至少一种运动方案，包括：
获取所述用户的目标消耗热量；
对所述目标运动方式列表中包含的至少一种运动方式进行组合， 得到运动组合结果，所述运动组合结果包括至少一个运动方式；
根据所述运动组合结果提取所述评价属性列表中与所述运动组合 结果对应的评价属性；
根据所述评价属性和所述目标消耗热量确定所述运动组合结果对 应的推荐时间组合，所述推荐时间组合包括与所述运动组合结果中的 每个运动方式对应的推荐运动时长；
将所述运动组合结果和与所述运动组合结果对应的推荐时间组合 作为所述运动方案。
在一些实施例中，所述评价属性包括与运动方式对应的单位消耗 热量，则根据所述评价属性和所述目标消耗热量确定所述运动方式组 合对应的推荐时间组合，包括：
根据所述运动组合结果包含的每个运动方式对应的单位消耗热量 与推荐时长的乘积之和等于所述目标消耗热量，确定所述运动方式组 合对应的推荐时间组合。
在一些实施例中，根据所述目标运动方式列表和所述评价属性列 表确定至少一种运动方案，包括：
获取所述用户在运动计划周期内的运动频率；
对所述目标运动方式列表中包含的至少一种运动方式进行组合， 得到运动组合结果，所述运动组合结果包括至少一个运动方式；
确定所述运动计划周期对应的最大活动量和最小活动量；
根据所述最大活动量和最小活动量确定时间数组，所述时间数组 包括所述运动频率和与所述运动频率对应的推荐运动时长；
在所述运动计划周期内按照所述运动频率将所述时间数组分配给 所述运动组合结果。
在一些实施例中，对所述目标运动方式列表中包含的至少一种运 动方式进行组合，包括：
根据用户的体力活动水平评估结果从所述目标运动方式列表中获 取与所述用户的体力活动水平评估结果对应的预设个数的运动方式， 作为所述运动组合结果。
在一些实施例中，所述评价属性列表包括与运动方式对应的多个 评价属性，根据所述评价属性列表对所述至少一种运动方案进行排序 处理，包括：
根据所述用户的基本信息确定所述用户的运动风险级别；
根据所述多个评价属性和运动风险级别属性对所述至少一种运动 方案进行排序。
在一些实施例中，所述运动方案包括至少一个运动方式和与每个 运动方式对应的推荐运动时长，所述根据所述多个评价属性和运动风 险级别属性对所述至少一种运动方案进行排序，包括：
获取每个运动方式的所述多个评价属性分别对应的权重系数；
根据每个所述评价属性对应的权重系数与每个评价属性对应的取 值求积；
根据每个运动方式对应的所述运动风险级别的取值和与所述运动 风险级别对应的权重系数求积；
将所述求积结果作为所述至少一种运动方案中的每个运动方式的 评价指标；
根据所述评价指标和每个运动方式对应的权重系数确定每个运动 方案的综合评价指标；
根据所述综合评价指标对所述至少一个运动方案进行排序。
在一些实施例中，所述运动方案包括至少一个运动方式和与每个 运动方式对应的推荐运动时长，所述根据所述多个评价属性和运动风 险级别属性对所述至少一种运动方案进行排序，包括：
获取每个运动方式的所述多个评价属性分别对应的权重系数；
根据每个所述评价属性对应的权重系数与每个评价属性对应的取 值求积；
根据每个运动方式对应所述运动风险级别的取值和与所述运动风 险级别对应的权重系数求积；
根据每个运动方式的推荐运动时长和与所述推荐运动时长对应权 重系数求积；
将所述求积结果作为所述至少一种运动方案中的每个运动方式的 评价指标；
根据所述评价指标和每个运动方式对应的权重系数确定每个运动 方案的综合评价指标；
根据所述综合评价指标对所述至少一个运动方案进行排序。
在一些实施例中，在所述根据所述用户的基本信息查询预先构建 的运动知识图谱之前，该方法还包括：
根据所述用户的基本信息确定所述用户的运动风险级别；
根据所述运动风险级别确定推荐运动方式的范围。
在一些实施例中，根据所述用户的基本信息确定所述用户的运动 风险级别，包括：
将所述用户的基本信息输入到预先构建的运动风险分类模型，得 到所述用户的运动风险级别。
在一些实施例中，所述用户的基本信息包括目标病症类型、目标 用户属性和体力活动水平评估结果，所述获取用户的基本信息，包括：
通过电子问卷方式获取用户的目标病症类型、目标用户属性和体 力活动水平评估结果；或者，
通过用户的体检数据获取用户的目标病症类型和目标用户属性；
通过电子问卷方式获取用户的体力活动水平评估结果。
在一些实施例中，所述电子问卷方式包括人机交互展示界面或者语音 对话方式。
本申请一些实施例，还提供了一种运动推荐装置，所述装置包括：
信息获取单元，用于获取用户的基本信息；
图谱查询单元，用于根据所述用户的基本信息查询预先构建的运 动知识图谱，得到目标运动方式列表、与所述目标运动方式列表对应 的评价属性列表；
方案确定单元，用于根据所述目标运动方式列表和所述评价属性 列表确定至少一种运动方案，所述运动方案包括至少一个运动方式和 与所述运动方式对应的推荐运动时长；
方案排序单元，用于根据所述评价列表属性列表对所述至少一种 运动方案进行排序处理，得到排序结果；
方案推荐单元，用于推荐所述排序结果中排序靠前的至少一个运 动方案。
本申请一些实施例提供了一种电子设备，该设备包括存储器、处 理器以及存储在存储器上并可在处理器上运行的计算机程序，该处理 器用于执行程序时实现本申请实施例描述的方法。
在一些实施例中，所述电子设备还包括：输入装置和输出装置；
所述输入装置用于获取用户基本信息；
所述输出装置用于将至少一个运动方案推荐给用户。
本申请一些实施例提供了一种计算机可读存储介质，其上存储有 计算机程序，该计算机程序用于实现本申请实施例描述的方法。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述， 本申请的其它特征、目的和优点将会变得更明显：
图1示出了本申请实施例提供的运动推荐方法的应用场景示意图；
图2示出了本申请实施例提出的运动推荐方法的流程示意图；
图3示出了本申请实施例提供的又一运动推荐方法的流程示意图；
图4示出了本申请实施例提出的创建运动知识图谱的流程示意图；
图5示出了本申请实施例提供的再一运动推荐方法的流程示意图；
图6示出了本申请实施例提供的存储在图数据库中实体名与实体 名之间的基础关系示意图；
图7示出了本申请实施例提供的存储在图数据库中又一实体名与 实体名之间的基础关系示意图；
图8示出了本申请实施例提供的存储在图数据库中再一实体名与 实体名之间的基础关系示意图；
图9示出了本申请实施例提供的运动名称的同义词处理方法的流 程示意图；
图10示出了本申请实施例提供的运动风险分类处理方法的流程 示意图；
图11示出了本申请实施例提供的问卷数据采集形式的示意图；
图12示出了本申请实施例提供的查询界面示意图；
图13示出了本申请实施例提供的热量计算界面示意图；
图14示出了本申请实施例提供的信息收集界面示意图；
图15示出了本申请实施例提供的运动方案展示界面示意图；
图16示出了本申请实施例提供的周运动计划展示界面示意图；
图17示出了本申请实施例提供的基于用户体检数据和问卷数据 查询获得运动推荐结果的界面展示示意图；
图18示出了本申请实施例提供的运动推荐结果的呈现方式的流 程示意图；
图19示出了本申请实施例提供的运动推荐装置的结构示意图；
图20示出了适于用来实现本申请实施例的终端设备或服务器的 计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解 的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公 开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与 公开相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例 中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本 申请。
请参考图1，图1示出了本申请实施例提供的运动推荐方法的应 用场景示意图。
如图1所示，用户可以使用终端设备101查询适合自己的运动推 荐结果。用户可以通过预先安装在终端设备中的运动推荐应用程序来 获取运动推荐结果。运动推荐应用程序可以实现为客户端模式，也可 是通过网页模式。在获取用户输入的查询条件，然后将查询条件通过 网络102发送给服务器103。查询条件可以包括但不限于用户体检数 据、用户输入的基本信息，用户通过人机交互界面提供的体力活动水 平等。
上述终端设备101可以是智能手机、平板电脑、智能眼镜、智能 手表，其他可穿戴设备等移动设备，还可以是台式电脑等电子设备， 但并不局限于此。例如，本申请实施例中提供的运动推荐方法也可以 在终端设备101执行。例如，本申请实施例中提供的运动推荐方法可 以部分在终端设备101执行，另一部分发送给服务器103执行，也即 由终端设备101和服务器103协同执行。
服务器103根据终端设备101发送的查询条件，执行查询程序， 以查找到与查询条件相关的运动推荐结果。上述服务器103可以是独 立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分 布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存 储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、 以及大数据和人工智能平台等基础云计算服务的云服务器。
上述网络102包括但不限于无线网络或有线网络，通过无线网络 或者有线网络使用标准通信技术和/或协议。网络通常为因特网，也可 以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城 域网(Metropolitan Area Network，MAN)、广域网(WideArea Network， WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何 组合。
在相关技术中，根据用户的健身需求数据向用户推荐运动方式， 但是这种方式没有综合考虑用户自身的身体实际状况，例如用户可能 患有慢性疾病。对于患有慢性疾病的患者而言，适当地运动对慢性疾 病是有积极作用的，有助于改善糖代谢。又例如，对于一些疾病患者， 运动方式是有禁忌的，例如癫痫病患者需要避免滑雪、潜水等具有一 定危险性的运动。相关并没有综合考虑用户自身的身体实际状况，从 而导致运动推荐方案存在局限性。
本申请提出了一种运动推荐方法的技术方案，综合考虑运动量与 疾病特征之间的关联关系，有效地提高了运动推荐结果的精准性。
下面请参考图2，图2示出了本申请实施例提出的运动推荐方法 的流程示意图。如图2所示，该方法可以由运动推荐装置执行，运动 推荐装置可以配置在终端设备或服务器中。该方法包括：
步骤201，获取用户的基本信息。
例如，上述用户的基本信息包括目标病症类型、目标用户属性和 体力活动水平评估结果。
上述目标病症类型例如是指从用户体检数据提取得到的与用户自 身情况对应的病症关键词。例如，病症关键词包括但不限于空腹血糖、 餐后血糖、肝内脂肪含量、脂肪肝、血脂异常、糖尿病等。提取方式 包括但不限于TF-IDF(Term Frequency-Inverse DocumentFrequency) 算法、TextRank算法、word2vec算法，基于Bert预训练模型的BiLSTM- CRF算法等。例如，根据Bert预训练模型的BILSTM-CRF算法从用 户体检数据提取得到用户患有脂肪肝、糖尿病等多个病症关键词。当 体检报告数据是结构化数据时，例如按照key-value格式存储的结构化 数据，可以通过读取key对应的value来直接获取疾病关键词，例如 体检报告中显示“现病史(即key)：高血压(即value)”。当体检报告 数据是非结构数据时，可以利用关键词提取算法提取病症关键词。例 如体检报告中显示“既往史：既往高血压10余年，现未服用降压药物， 自述血压正常，未规律监测血压变化”，通过关键词提取算法识别得到疾病关键词为：高血压，持续时间：10余年。上述目标病症类型例如 也可以是用户通过交互界面进行输入的。
上述目标用户属性是指用户的用户个人信息。用户个人信息包括 但不限于用户的性别、年龄、身高和体重等。例如，用户可以个人信 息可以从体检数据中获取，也可以通过交互界面进行输入。
上述体力活动水平评估结果是用于评价用户的体能的等级指标。 上述体力活动水平评估结果可以通过文本评估报告或语音评估报告的 方式反馈给用户。报告内容可以包括当前活动水平，活动频率，活动 强度，静坐时间，运动安全级别，与其他人群(如年龄、性别、职业 等指标)当前活动水平对比图。上述体力活动水平评估结果包括但不 限于高级、中级、低级。高级表示体力活动充足；中级表示体力活动 一般；低级表示体力活动不足。
获取用户的基本信息可以通过电子问卷方式获取用户的目标病症 类型、目标用户属性和体力活动水平评估结果；还可以通过用户的体 检数据获取用户的目标病症类型和目标用户属性；以及通过电子问卷 方式获取用户的体力活动水平评估结果。
还可以获取用户体检数据，根据用户体检数据确定向用户提供的 电子问卷提问内容，根据电子问卷提问内容获取用户的体力活动水平 评估结果。
用户体检数据可以是用户体检结果的综合评价结果，例如综合评 价结果表示用户处于健康状态，或者用户处于亚健康状态，或者用户 患有慢性疾病等。
上述电子问卷方式包括但不限于人机交互展示界面或者语音对话 方式。
上述根据用户体检数据确定向用户提供的电子问卷提问内容包括 当用户体检数据表示用户处于健康状态，则向用户提供国际体力活动 问卷内容；当用户体检数据表示用户处于亚健康状态，或者用户患有 慢性疾病或其他疾病时，则向用户提供体能适应能力问卷。
国际体力活动问卷(International Physical Activity Questionnaire， IPAQ)可以收集用户最近一周内的不同运动强度的运动频率和运动时 间长度。用户当前的体力活动水平结果可以分为三种：低级别(即体 力活动不足)，中级别(体力活动水平一般)，高级别(体力活动水平 充足)。
对于亚健康、慢性疾病或者其他疾病患者而言，则可以通过体能 适应能力问卷(Pre-Activity Readiness Questionnaire，PAR-Q)获取用 户运动的体力活动水平评估结果，该体力活动水平评估结果作为用户 运动的安全性评价参数。
如图11所示，上述IPAQ和PAR-Q问卷内容，可以通过人机交互 展示界面提供给用户，以便通过用户填写的上述电子问卷内容来获取 用户的基本信息。上述IPAQ和PAR-Q问卷内容，还可以通过语音对 话方式提供给用户，以便通过用户的语音对话结果来提取用户的基本 信息。
本申请实施例通过多种电子问卷方式，提高不同用户使用产品的 满意度。例如，通过语音对话方式可以为老年人提供便捷的操作方式， 从而提高满足老年用户使用产品的满意度。
步骤202，根据用户的基本信息查询预先构建的运动知识图谱， 得到目标运动方式列表、与目标运动方式列表对应的评价属性列表。
上述目标运动方式列表包括一个或多个运动方式。每个运动方式 根据用户的基本信息查询预先构建的运动知识图谱得到的。
上述评价属性列表包括一个或多个评价属性。评价属性是指用于 评价运动方式的属性指标。评价属性包括但不限于：运动强度值，是 否常见运动，是否需要器械，运动难度、单位消耗热量等。
例如，目标运动方式列表包括{“快走”、“医疗体操”、“太极拳”、 “八段锦”、“跑步”、“广场舞”、“打羽毛球”、“有氧操”}。
与目标运动方式列表对应的评价属性列表则包括{[运动强度值， 是否常见运动，是否需要器械，运动难度、单位消耗热量]快走；[运动强 度值，是否常见运动，是否需要器械，运动难度、单位消耗热量]医疗体操；[运动强度值，是否常见运动，是否需要器械，运动难度、单位消耗 热量]太极拳；[运动强度值，是否常见运动，是否需要器械，运动难度、 单位消耗热量]八段锦；[运动强度值，是否常见运动，是否需要器械，运 动难度、单位消耗热量]跑步；[运动强度值，是否常见运动，是否需要器 械，运动难度、单位消耗热量]广场舞；[运动强度值，是否常见运动，是 否需要器械，运动难度、单位消耗热量]打羽毛球；[运动强度值，是否常见 运动，是否需要器械，运动难度、单位消耗热量]有氧操}。
上述运动方式包括但不限于快走、跑步、游泳、太极拳、俯卧撑、 医疗体操、八段锦、广场舞、打羽毛球、有氧操、打篮球等。
根据用户的基本信息查询预先构建的运动知识图谱，得到运动方 式列表、与运动方式列表对应的评价属性列表，包括：
根据用户的基本信息构建至少一个查询语句；
根据至少一个查询语句中的每个查询语句分别查询运动知识图谱， 得到运动方式列表、与运动方式列表对应的评价属性列表。
上述根据用户的基本信息构建至少一个查询语句，可以包括：
获取用户的体力活动水平评估结果；
在用户的体力活动水平评估结果为高级时，将目标用户属性和目 标病症类型作为查询条件，构建查询语句；
在用户的体力活动水平评估结果为中级或中级以下时，将所述目 标用户属性和所述目标病症类型作为查询条件，构建第一查询语句；
将所述用户的体力活动水平评估结果作为查询条件，构建第二查 询语句。
在本申请提供的实施例中，在体力活动水平评估结果为中级或中 级以下时，构建第一查询语句和构建第二查询语句的执行顺序可以不 受限制。例如，第二查询语句可以根据第一查询语句构建，即将用户 的体力活动水平评估结果加入第一查询语句的查询条件中，构建第二 查询语句。
在一些实施例中，预先构建的运动知识图谱包括用户属性实体与 运动类型实体之间的第一关系，运动类型实体与疾病类型实体之间的 第二关系。在用户的体力活动水平评估结果为高级时，根据第一查询 语句查询所述运动知识图谱中第一关系和第二关系，得到目标运动方 式列表。
在用户的体力活动水平评估结果为中级或中级以下时，根据第一 查询语句查询运动知识图谱中所述第一关系和第二关系，得到初始运 动方式列表；
根据所述第二查询语句，查询所述运动知识图谱得到所述初始运 动方式列表中满足用户的体力活动水平评估结果的运动方式，作为目 标运动方式列表；
获取与所述目标运动方式列表对应的评价属性列表。
步骤203，根据目标运动方式列表和评价属性列表确定至少一种 运动方案，该运动方案包括至少一个运动方式和与运动方式对应的推 荐运动时长。
在获取目标运动方式列表和评价属性列表之后，可以根据目标运 动方式列表和评价属性列表、以及用户的目标消耗热量确定至少一种 运动方案。也可以根据根据目标运动方式列表和评价属性列表、以及 用户的运动计划周期确定至少一种运动方案。
上述目标消耗热量是指用户希望或需要消耗的目标热量。目标消 耗热量可以通过用户在人机交互界面中输入，也可以通过用户在人机 交互界面输入的单日饮食量确定得到。
上述运动方案是指运动方式和与运动方式对应的推荐运动时长的 组合结果。例如，运动方案为[“快走”，35]，[“太极拳”，45]等。
在根据目标消耗热量确定运动方案时，可以通过目标运动方式列 表、评价属性列表中单位消耗热量和用户的目标消耗热量可以确定一 个或者多个运动方案。
在根据用户的运动计划周期确定运动方案时，可以通过目标运动 方式列表、评价属性列表和运动计划周期可以确定一个或多个运动方 案。
其中，运动计划周期是指用户计划运动的时间长度。例如运动计 划周期的长度为一周，表示用户计划运动的时间长度为7天。运动计 划周期的设置可以通过在人机交互界面中由第三方输入，第三方包括 但不限于用户，运动计划周期也可以是默认的推荐值。
步骤204，根据评价属性列表对至少一种运动方案进行排序处理， 得到排序结果。
在得到一个或者多个运动方案之后，通过评价属性列表对应运动 方案进行排序，例如可以通过评价属性列表中部分评价属性的组合结 果对运动方案进行排序，得到排序结果。排序方案可以是升序方式， 也可以降序方式。
步骤205，从所述排序结果中推荐至少一种运动方案。
在上述排序结果中推荐部分运动方案作为运动推荐结果。例如， 在按照评价属性对每个运动方案进进行评价之后，将评价结果按照降 序排列(即评价结果值从高到底的序列)的多个运动方案中确定前N 个运动方案作为推荐结果。N的取值范围可以根据用户等级或者用户 的体力活动水平评估结果确定。例如，根据用户的体力活动水平评估 结果确定推荐运动方案的个数。当体力活动水平评估结果表示高级时， N可以取3。当体力活动水平评估结果表示中级时，N可以取2。当体 力活动水平评估结果表示低级时，N可以取1或者0。当N为零时， 提示用户不宜运动。
在一些实施例中，本申请还可以还可以在获取目标运动方式列表 之前，根据用户的基本信息确定用户的运动风险级别；并根据运动风 险级别确定推荐运动方式的范围。例如运动风险级别为高，则不向用 户推荐任何运动方式。或者，在运动风险级别为中时，向用户推荐有 氧运动、力量运动、柔性运动中的至少一种。
本申请实施例根据用户的基本信息查询预先构建的运动知识图谱， 得到目标运动方式列表、与目标运动方式列表对应的评价属性列表， 然后根据所述目标运动方式列表和所述评价属性列表以及目标消耗热 量确定至少一种运动方案，最后在经过排序处理的运动方案中获取运 动推荐结果，其相对于相关技术可以针对每个用户推荐不同的运动方案，其有效地提高推荐运动的准确度。
本申请一些实施例提供了一种运动推荐方法。请参考图3，图3示 出了本申请实施例提供的又一运动推荐方法的流程示意图。如图2所 示，该方法可以由运动推荐装置执行，运动推荐装置可以配置在终端 设备或服务器中。该方法包括：
步骤301，获取用户的基本信息；
在获取用户的基本信息之后，对用户的基本信息进行预处理，例 如对用户体检数据进行输入特征离散化处理：
性别：男、女
人群划分：青少年(12～17岁)、成年(18～64岁)、老年(65岁以 上)
女性特殊生理状态：月经期、妊娠期、产后期、更年期
身体状态：未知、偏瘦、正常、超重、肥胖、中心性肥胖、中心 性肥胖前期
身体活动水平：未知、低、中等、高
健身环境：未知、健身房、家庭、徒手
健康状态：未知、健康、亚健康、高血压、糖尿病、骨质疏松、 高血脂等
健身目标：不限、减脂、塑形、增肌、力量、降血糖、调节血压、 改善血脂等
健康状态：健康人群、亚健康人群、慢性疾病人群、身体活动功 能受限人群、发展性障碍人群、其他疾病人群。
运动种类：有氧运动、力量练习、牵拉练习、平衡练习、柔韧性 训练
运动强度：低强度、中等强度、高强度、中低强度、中高强度 难度系数：低、中、高
运动心率：使用最大心率法和心率储备法两种方式计算。
人体静息能量消耗：根据性别、身高、体重、年龄使用Mifflin-St Jeor公式计算，单位为“千卡/天”。
将用户特征进行离散化，比如年龄三类，不符合该年龄的无法推 荐运动方案。然后将用户每个特征表征成低维embedding向量。其中， embedding预训练模型使用WORD2VEC训练，训练数据来源于医疗 网站，运动医学书籍中整理的数据。
步骤302，根据用户的基本信息查询预先构建的运动知识图谱， 得到目标运动方式列表、与目标运动方式列表对应的评价属性列表；
步骤3031，获取用户的目标消耗热量；
步骤3032，对目标运动方式列表中包含的至少一种运动方式进行 组合，得到运动组合结果，所述运动组合结果包括至少一个运动方式；
上述运动组合结果是指将一个或多个运动方式进行组合的结果。 对目标运动方式列表进行组合，可以包括：
根据用户的体力活动水平评估结果从目标运动方式列表中获取与 用户的体力活动水平评估结果对应的预设个数的运动方式。其中，与 用户的体力活动水平评估结果对应的预设个数是预先存储在运动知识 图谱中的固定属性。
在一些实施例中，在获取目标运动方式列表之后，可以直接根据 用户的体力活动水平评估结果从目标运动方式列表中获取与用户的体 力活动水平评估结果对应的预设个数的运动方式作为运动组合结果。 假设目标运动方式列表为{e1，e2，......en}，用户的体力活动水平评估 结果为中级，与用户的体力活动水平评估结果对应的预设个数为2， 从目标运动方式列表中获取运动组合结果时，可以得到第一种运动组 合结果(e1，e2)，第二种运动组合结果(e4，e6)，这里仅作为解释， 不对运动组合结果的数量进行限制。
在根据用户的体力活动水平评估结果从目标运动方式列表中获取 与用户的体力活动水平评估结果对应的预设个数的运动方式，作为运 动组合结果时，可以得到多个运动组合结果，按照运动组合结果对应 的综合评价指标对多个运动组合结果进行排序，然后根据排序结果确 定一个或多个运动组合结果。
假设目标运动方式列表为{e1，e2，......en}，用户的体力活动水平 评估结果为中级，与用户的体力活动水平评估结果对应的预设个数为 2，则得到多个运动组合结果，例如(e1，e2)，(e4，e6)。对每个运动 组合结果通过下述综合评价指标计算公式来确定每个运动组合结果的 综合评价指标K综合：
K综合＝a1*K运动方式1+a2*K运动方式2+…+aN*K运动方式N
然后根据综合评价指标结果从大到小，或者从小到大的顺序进行 排序，获取综合评价指标最大者(可以是排名较大的几个)作为目标 运动组合结果。
对目标运动方式列表中包含的至少一种运动方式进行组合，还可 以包括：
根据与目标运动方式列表对应的评价属性列表对所述目标运动方 式列表进行排序，得到排序后的目标运动方式列表；
根据用户的体力活动水平评估结果从排序后的目标运动方式列表 中获取与用户的体力活动水平评估结果对应的预设个数的运动方式， 作为运动组合结果。
本申请实施例中，可以对目标运动方式列表进行排序来提高推荐 结果的准确性。
在根据用户的体力活动水平评估结果从排序后的目标运动方式列 表中获取与用户的体力活动水平评估结果对应的预设个数的运动方式， 作为运动组合结果时，先对目标运动方式列表进行排序，其可以包括：
根据每个运动方式对应的评价属性列表，计算每个运动方式的评 价结果。然后，根据评价指标K对目标运动方式列表进行排序。
根据评价指标公式计算每个运动方式对应的评价指标K：
Figure BDA0002939168270000171
假设 排序后的目标运动方式列表为{e3，e1，......en，......e2}，根据用户的 体力活动水平结果对应的预设个数获取运动方式。例如，当用户的体 力活动水平评估结果为高级时，则可以从排序后的目标运动方式列表 中获取排序靠前的3个运动方式作为运动组合结果，例如，(e3，e1， e4)。
又例如，当用户的体力活动水平评估结果为中级时，则可以从排 序后的目标运动方式列表中获取排序靠前的2个运动方式作为运动组 合结果(e3，e1)。步骤3033，根据运动组合结果提取评价属性列表中 与运动组合结果对应的评价属性；
步骤3034，根据评价属性和目标消耗热量确定运动组合结果对应 的推荐时间组合，该推荐时间组合包括与运动组合结果中的每个运动 方式对应的推荐运动时长。
上述运动组合结果对应的评价属性是指运动组合结果中每个运动 方式对应的评价属性。在获取运动组合结果之后，可以根据目标消耗 热量或者运动计划周期向运动组合结果中包含的运动方式分配与运动 方式对应的推荐运动时长。
在根据目标消耗热量分配与运动方式对应的推荐运动时长时，假 设运动组合结果为(e3，e1)，根据运动组合结果提取评价属性列表中 与运动组合结果对应的评价属性是指从评价属性列表中提取([单位消 耗热量]e3，[单位消耗热量]e1)。
然后根据评价属性和目标消耗热量确定运动组合结果对应的推荐 时间组合，可以包括根据运动组合结果包含的每个运动方式对应的单 位消耗热量与推荐运动时长的乘积之和等于目标消耗热量，确定运动 方式组合对应的推荐时间组合。
根据下述推荐时间公式确定运动组合结果对应的推荐时间组合，
y＝c1*t1+c2*t2+…+cn*tn
y表示目标消耗热量，n表示运动组合向量包含运动方式的数量；ci表示第i个运动方式对应的单位消耗热量，ti表示第i个运动方式对应 的推荐运动时长。
例如，根据上述推荐时间公式，以目标消耗热量y为340大卡为 限制条件，运动组合结果(e3，e1)对应的单位消耗热量(ce3，ce1)， 可以确定运动组合结果中(e3，e1)每个运动方式对应的推荐运动时长 为[(e3,30),(e1,50)]，即当目标消耗热量为340大卡时，单位消耗热量 (ce3，ce1)代入上述推荐时间公式，可以得到运动方式e3对应的推荐 运动时长为30分钟，运动方式e1对应的推荐运动时长为50分钟。
然后，按照预先设置的运动时间步长(例如时间间隔5分钟)，结 合上述推荐时间公式对运动方式对应的推荐运动时长进行调整，则可 以得到多个待排序的运动方案，也可以称为候选方案或者候选集。
上述运动时间步长是指相同运动方式的两个推荐运动时长之间的 时间间隔。例如运动方式为“快走”，第一个推荐运动时长为30分钟， 第二个推荐运动时长为35分钟，则运动时间步长为5分钟。运动时间 步长可以根据用户的需求调整。运动时间步长也可以根据用户的基本 信息来确定。例如，当用户的基本信息表示用户为老年人，则老年人 对应的运动时间步长为5分钟，即按照5分钟的时间间隔来获取适合 老年人的推荐运动时长。当用户的基本信息表示用户为青年人，则青 年人的运动时间步长可以为10分钟，即按照10分钟的时间间隔来获 取适合青年人的推荐运动时长。
例如，当e3＝“快走”，e1＝“太极拳”时，“快走”对应的单位消耗 热量c1＝“228大卡/小时”，“太极拳”对应的单位消耗热量c2＝“240 大卡/小时”，根据上述推荐时间公式，n＝2,y＝340，则：
c1*t1+c2*t2＝340
得到：
(228/60)*t1+(240/60)*t2＝340
即：3.8t1+4t2＝340
其中，常规运动时间的取值范围为[10，15，20，...，85，90]。
对于中青年人的运动时间t在[10，15，20，...，85，90]中取值；
对于老年人的运动时间t在[10,15,..60]之间取值。其中，中青年人 和老年人的运动时间步长均可以取5分钟。在满足目标消耗热量为340 大卡的条件下，假设t1取10分钟，t2取75分钟，由于该用户的基本 信息表示该用户为老年人，则t1取10分钟，t2取75分钟不适合该用 户。按照运动时间步长调整t1和t2的取值，假设t1取15分钟，t2取70 分钟，同样不适合该用户，放弃该取值。直到t1取30分钟，t2取50分 钟，故将t1＝30，t2＝50作为与运动组合结果对应的推荐时间组合。同 理，依次可以将t1＝35，t2＝50作为与运动组合结果对应的推荐时间组 合。然后，将t1＝40，t2＝45作为与运动组合结果对应的推荐时间组合。 直到在[10,15,..60]内查找到所有满足目标消耗热量的组合。
根据上述推荐时间公式可以得到多个运动方案，例如{[(e3,30), (e1,50)]，[(e3,40),(e1,45)]，[(e3,50),(e1,40)]}，这些运动方案包含的运动 方式是相同，均为(e3，e1)，运动方式(e3，e1)对应的推荐运动时长 在每个运动方案中是不同的，例如在第一运动方案[(e3,30),(e1,50)]，运 动方式(e3，e1)分别对应的推荐运动时长是30,50分钟。在第二运动方案中[(e3,40),(e1,45)]，运动方式(e3，e1)分别对应的推荐运动时长 40,45分钟。
上述根据目标运动方式列表和评价属性列表以及目标消耗热量确 定运动方案，可以得到运动方案集合{[(e3,30),(e1,50)]，[(e3,40),(e1,45)]， [(e3,50),(e1,40)]}，其中，[(e3,30),(e1,50)]表示一种运动方案。
步骤304，根据所述评价属性列表对所述至少一种运动方案进行 排序处理，得到排序结果；
在上述步骤中，运动方案可以包括一个或多个运动方式和与每个 运动方式对应的推荐运动时长。运动方案还可以包括运动心率、预计 消耗卡路里值、运动分组情况等。其中运动分组情况是指对运动方式 的细分说明。根据运动分组情况细分运动方式。例如，当运动方式对 应的运动类别为力量练习时，运动分组情况可以包括仰卧屈膝2～3组， 每组8～12个。空中蹬腿2～3组，每组8～12个，卧推2～3组，每组 8～12个。通过运动分组情况细分运动方式可以向用户提供更准确的运 动建议信息。
评价属性列表可以包括与运动方式对应的多个评价属性。
在一些实施例中，可以根据用户的基本信息确定所述用户的运动 风险级别，根据多个评价属性和运动风险级别属性对至少一种运动方 案进行排序。
在一些实施例中，根据所述多个评价属性和运动风险级别属性对 所述至少一种运动方案进行排序，可以包括：
获取每个运动方式的所述多个评价属性分别对应的权重系数；
根据每个所述评价属性对应的权重系数与每个评价属性对应的取 值求积；
根据每个运动方式对应的所述运动风险级别的取值和与所述运动 风险级别对应的权重系数求积；
将所述求积结果作为所述至少一种运动方案中的每个运动方式的 评价指标；
根据所述评价指标和每个运动方式对应的权重系数确定每个运动 方案的综合评价指标；
根据所述综合评价指标对所述至少一个运动方案进行排序。
在上述步骤中，评价属性对应的权重系数是指用于表征评价属性 在评价指标计算中的权重值。例如，评价属性为运动强度值，其在评 价指标计算中占比为0.3。
根据下述评价指标公式获取每个运动方式对应的评价指标K：
K＝k1*运动强度值+k2*是否常见运动+k3*是否需要器械+k4*运动难度 +k5*运动风险级别
上述公式中，k1到k5分别是与运动强度值、是否常见运动、是否需 要运动器械，运动难度、用户运动风险级别对应的权重系数值。k1，……， k5可以根据经验设定。也可以根据标注数据进行训练学习得到参数值。 例如，训练学习过程可以利用训练特征作为X，训练特征运动强度值、 是否常见运动、是否需要运动器械，运动难度、用户运动风险级别、 运动时长的权重系数值等，按照预设训练学习算法对训练特征X进行 训练得到标签Y。
在获得与每个运动方式对应的评价指标K之后，可以通过下述综 合评价指标计算公式来确定每个运动方案的综合评价指标K综合：
K综合＝a1*K运动方式1+a2*K运动方式2+…+aN*K运动方式N
其中，a1，a2，……，aN表示每个运动方式对应的权重系数，其取值 在0～1范围内。K运动方式1，……，K运动方式N表示每个运动方式对应的评价指 标，其可以通过上述评价指标计算公式确定。N为评价方式的个数。
最后，根据综合评价指标K综合对运动方案进行排序。
上述实施例通过获取每个运动方案对应的综合评价指标来对运动 方案进行排序，可以提高推荐结果的精准性。
在一些实施例中，根据所述多个评价属性和运动风险级别属性对 所述至少一种运动方案进行排序，可以包括：
获取每个运动方式的所述多个评价属性分别对应的权重系数；
根据每个所述评价属性对应的权重系数与每个评价属性对应的取 值求积；
根据每个运动方式对应所述运动风险级别的取值和与所述运动风 险级别对应的权重系数求积；
根据每个运动方式的推荐时长和与所述推荐时长对应权重系数求 积；
将所述求积结果作为所述至少一种运动方案中的每个运动方式的 评价指标；
根据所述评价指标和每个运动方式对应的权重系数确定每个运动 方案的综合评价指标；
根据所述综合评价指标对所述至少一个运动方案进行排序。
在一些实施例中，还可以在评价指标计算中考虑推荐运动时长， 根据下述评价指标公式获取每个运动方式对应的评价指标K：
K＝k1*运动强度值+k2*是否常见运动+k3*是否需要器械+k4*运动难度 +k5*运动风险级别+k0*运动时长/归一化时间
其中，k1到k5分别是与运动强度值、是否常见运动、是否需要运动 器械，运动难度、用户运动风险级别对应的权重系数值，k0是运动方式 对应的运动时长的权重系数值，该取值可以根据用户的所属人群属性 来确定，归一化时间是指用于将运动时长进行归一化处理的数值。k0， k1，…，k5可以根据经验设定。也可以根据标注数据进行训练学习得 到参数值。例如，训练学习过程可以利用训练特征作为X，训练特征 运动强度值、是否常见运动、是否需要运动器械，运动难度、用户运 动风险级别、运动时长的权重系数值等，按照预设训练学习算法对训 练特征X进行训练得到标签Y。归一化时间例如可以是100。
在获得与每个运动方式对应的评价指标K之后，可以通过前述综 合评价指标计算公式来确定每个运动方案的综合评价指标K综合，最后， 根据综合评价指标K综合对运动方案进行排序。
步骤305，从所述排序结果中推荐至少一种运动方案。
本申请提供的一些实施例中，通过获取每个运动方案的综合评价 指标来对运动方案进行排序，从而提高了针对用户个体推荐运动的准 确度。
本申请一些实施例还提出一种构建运动知识图谱的方法。请参考 图4，图4示出了本申请实施例提出的构建运动知识图谱的方法流程 示意图。该方法包括：
步骤401，针对医学原始数据、医学运动结合原始数据、运动原始 数据进行命名实体识别，得到实体集合。
上述实体集合包括用户属性实体、运动方式实体、疾病类型实体、 与运动方式实体对应的评价属性实体，与疾病类型特征实体对应的禁 忌属性实体。用户属性实体包括但不限于成年人、老年人，如图6所 示。运动方式实体包括但不限于健身走、提踵，如图6-8所示。疾病 类型实体包括但不限于高血压、糖尿病等，如图6-7所示。与运动方 式实体对应的评价属性实例包括但不限于运动强度、是否器械运动、 运动类别等，如图6-7所示。与疾病类型特征实体对应的禁忌属性实 体包括但不限于运动禁忌症、适应症等，如图6-7所示。
在上述步骤中，获取临床医学指南、运动医学书籍、文献及医疗 网站等待提取数据，基于Bert训练模型的BILSTM-CRF算法对待提 取数据进行运动相关命名实体识别，使用Bootstrapping算法并结合规 则模版进行关系抽取。还可以根据Word2vec模型获取运动方式的同 义表达相似度，基于相似度获取第一候选集。以及根据预估运动方式 的热量数据对第二候选集进行实体消歧。例如，如图9所示，本申请 实施例还可以通过利用Word2vec算法训练模型，获取语义相似度大 于预设阈值的实体名称作为第一候选同义词集；计算第一候选同义词 集的热量平均值，从运动知识图谱中查询与该热量平均值的差值的绝 对值小于10千卡/小时的运动名称作为第二候选同义词集；将第一候 选同义词集和第二候选同义词集求并集得到最终候选同义词集；对最 终候选同义词集进行人工抽取检查和评估。通过上述对同义词集的处 理，可以得到获得运动方式对应的运动名称的多种同义表达，消除多种同义词之间的歧义。
数据来源包括但不限于临床医学指南、运动医学书籍、文献、医 疗网站、全民健身指南等。还可以采用多线程爬虫方式进行数据爬虫 和解析，并进行数据清洗，整合和集成。
步骤402，根据用户属性实体、运动类型实体和疾病类型实体、与 运动方式实体对应的评价属性，与疾病类型实体对应的禁忌属性组建 语义关系三元组集合。
该语义关系三元组集合包括用户属性实体与运动类型实体之间的 第一关系，运动类型实体与疾病类型实体之间的第二关系、疾病类型 实体和与疾病类型实体对应的禁忌属性之间的第三关系，运动方式实 体和与运动方式实体对应的评价属性之间的第四关系。
本申请构建的运动知识图谱可以包含2684个实体，10578个三元 组，实体可以包括运动形式、运动类别(上肢、核心、拉伸、下肢、 力量、瑜伽、普拉提等)、运动级别、肌肉群、器械要求、热量、禁忌 运动、推荐运动、适合人群、动作要领、健身效果等。实体识别可以 采用基于Bert预训练模型的BILSTM-CRF算法，实体识别过程中，融 合疾病、症状、运动方式、动作、人体骨骼、肌肉、组织、疾病、锻 炼部位等相关的字典数据。关系抽取可以使用Bootstrapping算法并结 合规则模版进行关系抽取。
在一些实施例中，运动知识图谱所包含的实体、实体之间的关系 以及属性类型分别参见表1，表2和表3。其中，表1示出了运动知识 图谱的实体类型；表2示出了运动知识图谱的实体之间的关系；表3 示出了运动知识图谱的属性类型。
Figure BDA0002939168270000241
表1运动知识图谱的实体类型
如上述表1所示，在运动知识图谱中包含多个实体，例如疾病、 运动子类、运动级别、运动类别、适宜人群、运动强度、运动所起的 作用等。本申请通过将多个运动相关的属性以实体方式提取出来，为 查询接口提供丰富的可查询字段，有效地提高运动知识图谱的查询效 率。
Figure BDA0002939168270000242
Figure BDA0002939168270000251
表2运动知识图谱的实体关系类型
如上述表2所示，运动知识图谱中包含多种实体关系属性，例如， 运动包含子类、运动所属类别，器械要求、主要肌肉群……运动作 用……等。通过这些实体关系将多个实体连接成图，通过图匹配查询 方法，快速准确地查找到与目标查找对象相关的结果。
Figure BDA0002939168270000261
表3运动知识图谱的属性类型
如上述表3所示，运动知识图谱还提供了属性类型，不同的属性 类型用于对运动方式的相关属性进行解释。例如，运动名称，消耗热 量。动作要领等都是可以对运动方式进行概要说明，方便用户了解与 运动方式相关的内容。甚至是提醒的注意事项，也作为运动方式的属 性被预先创建在运动知识图谱。
在构建运动知识图谱的过程时，如图6所示，“健身走”的同义表 达有“有氧健身走”、“健步走”、“快步走”、“健走”；“慢跑(6-8千米 /小时)”的同义表达有“跑步，6-8公里/小时”。
在运动知识图谱中还可以包含一些禁忌信息，这些禁忌信息的提 取包括但不限于基于Bert预训练模型的BILSTM-CRF算法进行命名 实体识别。这些禁忌信息与运动方式和疾病之间的关联关系可以使用 Bootstrapping算法并结合规则模版进行关系抽取。
例如，对于文本“癫痫需要避免滑雪、潜水等具有一定危险性的 运动。禁止在海边或江河里游泳。不宜在高空作业、不操作机器。”
通过命名实体识别可以识别出疾病“癫痫”，运动方式“滑雪”、 “潜水”、“游泳”。
通过关系抽取可以抽取得到“癫痫-禁忌运动-滑雪”，“癫痫-禁忌 运动-潜水”，“癫痫-禁忌运动-游泳”语义关系三元组。
对于文本“腰痛分为急性腰痛与慢性腰痛，急性腰痛，不能做太 剧烈运动，日常生活就可以。如果是慢性腰痛可以采取锻炼缓解腰痛， 建议进行游泳，游泳对腰椎的负重最小，不建议进行篮球、羽毛球等 运动，因为可能会受伤，特别是对体重比较大的人群。如果没有游泳 的条件，在家可以进行平板支撑锻炼加强腰腹部肌肉，也就是核心肌 肉的力量，太极拳可以锻炼核心肌肉，也对平衡性有好处。”
通过命名实体识别得到：“腰痛”，“急性腰痛”，“慢性腰痛”
关系抽取：“慢性腰痛-推荐运动-游泳”，“慢性腰痛-推荐运动-平 板支撑”，“慢性腰痛-推荐运动-太极拳”，“慢性腰痛-禁忌运动-篮球”， “慢性腰痛-禁忌运动-羽毛球”。
步骤403，将实体集合和语义关系三元组集合存储到图数据库中， 得到运动知识图谱。
上述实体集合包括但不限于用户属性实体、运动方式实体、疾病 类型实体，与运动方式实体对应的评价属性实体，与疾病类型实体对 应的禁忌属性实体。
上述语义关系包括但不限于用户属性实体与运动类型实体之间的 第一关系，运动类型实体与疾病类型实体之间的第二关系，疾病类型 实体和与疾病类型实体对应的禁忌属性实体之间的第三关系，运动方 式实体和与运动方式实体对应的评价属性之间的第四关系。
将上述命名实体识别结果和关系抽取结果，存储在图数据库中， 得到运动知识图谱。例如使用Neo4j图数据库进行存储。
如图6-7所示，以运动方式为健身走为例，健身走对应的别名， 适宜人群、运动类别、适宜病症等多种属性可以构建多个语义关系三 元组。每个语义关系三元组可以表示两个实体之间的一种关系属性。 例如，用户属性实体与运动类型实体之间的第一关系可以表示为<健身 走，最佳人群，老年>。运动类型实体与疾病类型实体之间的第二关系 可以表示为<健身走，事宜病症，糖尿病>。疾病类型实体和与疾病类 型实体对应的禁忌属性实体之间的第三关系可以表示为<糖尿病，运动 禁忌症，反复低血糖>，运动方式实体和与运动方式实体对应的评价属 性之间的第四关系，可以表示为<健身走，运动强度，中等强度>，<健身走，缺省，单位消耗热量>等。
将运动方式和属性关系作为命名实体识别结果和关系类型抽取结 果存储到图数据库中，从而构建本申请实施例提出的运动知识图谱。
本申请实施例提出的运动知识图谱可以实现根据目标疾病类型的 禁忌症属性对目标疾病类型关联的运动方式进行筛选，将运动临床指 导通过禁忌属性转换成可实现的推荐策略，有效地提高推荐运动方式 的准确性。
下面为了更清楚地理解本申请提出的运动推荐方法，结合图5-17， 以某男性的体检结果和问卷调查结果为例，对运动推荐方法展开描述。
如图5所示，运动推荐方法整体可以包括线下部分和线上部分。 其中线下部分可以用于实现运动知识图谱的构建，线上部分是对线下 部分构建的运动知识图谱的应用。
线上部分：可以先获取用户数据，用户数据包括但不限于用户体 检数据和根据用户体检数据确定待提供的电子问卷内容，然后根据电 子问卷内容得到用户的体力活动水平评估结果。
假设获取某用户体检报告数据如下：
性别：男
年龄：66
身高：176cm
体重：70kg
运动禁忌症：无
根据用户的年龄向用户的提供电子问卷内容包括PAR-Q问卷内 容和向用户提供PAR-Q问卷内容的方式可以采用语音交互方式，在得 到PAR-Q问卷内容的语音回复结果之后，通过对语音回复结果进行解 析得到该用户的体力活动水平评估结果为：中等。
根据用户的体检报告数据和体力活动水平评估结果通过运动风险 分类模型处理后得到该用户的运动风险评估结果为：中。
运动风险分类模型包括但不限于采用AdaBoost算法训练得到。用 户的运动风险级别可以采用风险级别标签来表示，风险级别标签包括 但不限于无风险、低风险、中风险、高风险四类。
AdaBoost算法可以通过训练多个弱分类器，并对弱分类器进行线 性组合，得到一个强分类器。这里弱分类器使用CART分类回归树。
在训练运动风险分类模型时，输入数据包括但不限于：基本信息： 性别、年龄、职业；健康史：家族史、现病史、过敏史、用药史、手 术史、月经生育史(女性)、身体症状；体检信息：身高、体重、腰围、 臀围、收缩压、舒张压、心率、空腹血糖(FPG)、餐后血糖(2HPG)、糖化血红蛋白、总胆固醇、甘油三酯、高密度脂蛋白胆固醇、低密度脂 蛋白胆固醇、肝内脂肪含量、血尿酸、骨密度；生活习惯：饮食、运 动、睡眠、吸烟、饮酒；环境：湿度、PM2.5等，以及通过问卷评估获 取得到体力活动水平(IPAQ)。
身体状态(state)可以通过身高和体重、腰围计算，具体计算方 法如下：
Figure BDA0002939168270000291
Figure BDA0002939168270000301
其他年龄阶段的BMI计算参考国际国际计算标准。其中，通过空 腹血糖、糖化血红蛋白与糖尿病之间的关系，可以了解用户的血糖状 态，从而判断血糖是否存在异常的重要指标。
上述收缩压和舒张压可以判断用户是否存在高血压或者血压升高 的重要指标。又例如，血尿酸是判断用户是否存在痛风的重要指标； 骨密度是判断用户是否存在骨质疏松的重要指标，该指标还可以判断 骨质疏松的严重程度。肝内脂肪含量是判断用户是否存在脂肪肝、血 脂异常的重要指标。如果没有骨密度，可以使用OSTA(亚洲人骨质疏 松自我筛查工具)，通过年龄和体重预测患骨质疏松症的风险级别。
上述运动风险分类模型在训练阶段还可以融合一些专家知识，例 如，临床指南中指出：对于18<＝age<＝40，如果没有任何病史，服药 等情况，则无需进行运动能力评估，则无需向用户推送PAR-Q问卷 内容，在运动能力评估时则无需参考PAR-Q的问卷结果。对于age>40,则需要做运动能力评估，可以向用户推送PAR-Q问卷内 容，并在运动能力评估时结合PAR-Q的问卷结果。在一些实施例 中，对于任何年龄段的个体，如果平时基本不运动或者患有某种疾 病，或者有潜在的疾患，则在开始锻炼和增加活动量之前，均需对用 户进行运动风险评估。
预处理用户数据得到与运动知识图谱对应的查询变量。例如，用 户体检数据中的年龄值，可以确定用户所属人群为老年。即根据年龄 66，确定用户为老年，表示为查询变量“老年”。根据用户的身高、体 重、腰围可以确定用户体质水平为肥胖。可选地，还可以根据腰围确 定有无中心性肥胖。即根据身高：176cm和体重：70kg，确定用户的 BMI为肥胖，表示为查询变量“肥胖”。根据空腹血糖确定是否存在显 著高血糖。根据舒张压和收缩压确定是否存在显著高血压。如果“是 否显著高血糖”和“是否显著高血压”其中有一个为是，则确定该用 户暂时不需要运动，并提示建议在血糖和血压稳定之后再运动。通过 将上述用户体检数据进行预处理，可以得到查询变量如下：
性别：男
所属人群：老年
BMI状态:肥胖
患病情况：糖尿病
体力活动水平：中等
运动禁忌症：无
运动风险评估结果：中
是否显著高血糖：否
是否显著高血压：否
在获得上述查询变量之后，基于查询变量构建查询语句，通过查 询语句对预先创建的运动知识图谱进行查询，得到与查询分类变量匹 配的查询结果。例如，使用Cypher命令查询neo4j知识图谱。
如图7所示，从知识图谱中查询满足疾病或症状Symptoms为“肥 胖”和“糖尿病”，适宜人群population为“老年”的运动方式列表。 将目标用户属性和目标病症类型作为查询条件，构建查询语句如下：
MATCH(a:Action)-[r:s2AdapSymptoms]->(s:Symptoms)where s.name＝"肥胖"and s.name＝"糖尿病"WITH a,r,s MATCH(a:Action)- [r1:s2population]->(p:population)where p.name＝"老年"return a,r,s,r1,p LIMIT 10
查询返回结果a(为好区分，设action_list＝a)为:
action_list＝[“快走”，“医疗体操”，“太极拳”，“八段锦”，“跑步”， “游泳”，“广场舞”，“打篮球”，“打羽毛球”，“有氧操”]
通过上述查询语句获得可以向用户推荐的运动方式列表。其中“快 走”、“医疗体操”，“太极拳”等为运动方式。
通过“体力活动水平评估结果：中等”，对action_list进行过滤， 得到满足运动强度Intensity为“低强度”或“中等强度”运动方式， 将所述用户的体力活动水平评估结果作为查询条件，构建查询语句如 下：
MATCH(a:Action)-[r:s2intensity]->(s:Intensity)where s.name＝"低 强度"or s.name＝"中等强度"where a.name in action_list return a.name, a.calorie,r,s
其中a.name为运动名称，a.calorie为每小时消耗热量(单位为大 卡)。
经上述过滤处理之后，得到过滤后的运动方式列表和与运动方式 列表对应单位消耗热量列表为：
a.name列表＝[“快走”，“太极拳”，“医疗体操”，“八段锦”，“跑 步”，“广场舞”，“打羽毛球”，“有氧操”]
a.calorie列表＝[“228大卡/小时”，“180大卡/小时”，“240大卡 /小时”，“270大卡/小时”，“670大卡/小时”，“180大卡/小时”，“270 大卡/小时”，“354大卡/小时”]
例如，将目标用户属性和目标病症类型作为查询条件，构建查询 语句如下：
MATCH(a:Action)-[r:s2AdapSymptoms]->(s:Symptoms)where s.name＝"肥胖"and s.name＝"糖尿病"WITH a,r,s MATCH(a:Action)- [r1:s2population]->(p:population)where p.name＝"老年"return a.name,a.calorie,,r,s,r1,p LIMIT 10
其中a.name为运动名称，a.calorie为每小时消耗热量(单位为大 卡)。
获取该用户在人机交互界面中输入的目标消耗热量340大卡，根 据目标运动方式列表和评价属性列表以及目标消耗热量确定该用户的 运动方案。该用户的“体力活动水平评估结果：中等”，则从经过过滤 处理后的运动方式列表中获取2个运动方式。然后根据推荐运动时长 公式确定与运动方式对应的推荐运动时长的组合结果。
假设从a.name列表(即运动方式列表)中获取“快走”和“太极 拳”作为运动组合结果，其中，c快走表示“快走”对应的单位消耗热量， c太极拳表示太极拳对应的单位消耗热量。
y＝c快走*t快走+c太极拳*t太极拳
根据上述公式确定该用户的的运动组合结果如下：
t快走＝30；t太极拳＝50
t快走＝40；t太极拳＝45
其中，运动时间在[10,15,20,……,85,90]取值，与运动方式对应的 运动时间可以在该时间范围内确定。例如，与“快走”对应的时间步 长，以时间间隔10分钟为宜，当与“快走”对应的推荐运动时长为30 分钟时，则根据上述公式，以目标消耗热量为340大卡为限制条件， 可以确定与“太极拳”对应的推荐运动时长为50分钟。然后，将与“快 走”对应的推荐运动时长增加10分钟，得到与“快走”对应的推荐运 动时长为40分钟，则根据上述公式，以目标消耗热量为340大卡为限 制条件，可以确定与“太极拳”对应的推荐运动时长为45分钟。通过 上述以目标消耗热量为340大卡为限制条件，确定多个运动组合结果 对应的推荐时间组合，得到多个运动方案。
根据目标运动方式列表和评价属性列表以及目标消耗热量确定多 个运动方案Z如下所示：
Z＝{[(“快走”，30),(“太极拳”50)]，[(“快走”，40),(“太极拳” 45)]，……}
通过对上述多个运动方案进行排序处理，然后从经过排序处理的 运动方案中获取运动推荐结果，其可以有效地提高个性化的推荐结果 的精准性。
假设“快走”对应的评价属性集合包括{运动强度值：3.8；是否常 见运动：1；是否需要运动器械：0；运功难度：0；用户运动风险级别： 0}。
其中，是否常见运动：如果是，取值为0，如果否取值为1。是否 需要器械：如果是取值为0，如果否，取值为1。运动难度：低，取值 为0，中等，取值为1，高，取值为2。用户运动风险级：无风险，取 值为0，低风险，取值为1，中风险，取值为2，高风险取值为3。
“快走”的运动强度值可以通过查询运动知识图谱确定。例如使 用下述查询语句对运动知识图谱进行查询，得到“快走”对应的运动 强度值：
MATCH(a:Action{name:"快走"})RETURN a.mets；
得到“快走”的运动强度mets＝3.8。
然后根据下述评价指标公式确定“快走”对应的评价指标K快走为
K快走＝0.3*3.8+0.2*0+0.1*1+0.2*0+0.2*0+0.3*30/100＝1.33
通过上述相似的过程可以计算运动组合结果中每个运动方式对应 的评价指标，例如运动组合结果(“快走”，“太极拳”)中的“太极拳”。
然后按照下述综合评价指标公式确定运动组合结果(“快走”，“太 极拳”)对应的综合评价指标K综合，
K综合＝a1*K快走+a2*K太极拳
上述公式中a1表示快走对应的权重系数，其取值例如为0.3；a2表 示太极拳对应的权重系数，其取值例如为0.7。
根据综合评价指标对运动方案集合{[(“快走”，30),(“太极拳”50)]， [(“快走”，40),(“太极拳”45)]，……}进行降序排序(即综合评价指 标从高到低的排序)，其中，[(“快走”，30),(“太极拳”50)]为一个运 动方案，运动方案集合中包括多个运动方案。根据上述综合评价指标 公式，对每个运动方案计算一个综合评价指标，按照综合评价指标从 高到低进行排序得到排序结果{[[(“快走”，40),(“太极拳”45)],(“快 走”，30),(“太极拳”50)]，……}。
在排序结果中靠前的N个取出作为最后的运动推荐结果。N的取 值与用户的体力活动水平评估结果相关，N的取值可以是1,2,3等自然 数。例如，上述实施例中，用户为老年人，则可以在排序结果中取靠 前的2个运动方案作为运动推荐结果。
通过上述处理后，根据用户的个性特征，对运动组合结果进行优 选排序，得到更适合用户个体的个性化推荐结果，相对于相关技术向 用户推荐运动的方式，本申请实施例可以精准地为用户提供适用性强 的运动组合结果，从而提高运动推荐结果的精准度。
在一些实施例中，如图16所示，还可以向用户推荐运动计划，该 运动计划是指按照指南推荐的运动频率在运动计划周期内向用户推荐 的运动方案集合。运动计划周期是指用户周期性运动的时间长度。例 如，运动计划周期的长度为一周，即周运动计划。下面以某用户为例， 该用户体检数据年龄：66，性别：男，身高：176cm，体重：70kg，腰 围：88cm。假设向该用户推荐周运动计划，其运动计划周期为7天。
获取运动计划周期、运动频率。运动计划周期可以是用户输入的， 或者是系统默认设置的。其中，运动频率是指在运动计划周期内运动 的次数。运动频率可以是根据用户体检数据和问卷数据确定的在运动 计划周期内的最佳运动次数。例如，运动计划周期为7天，根据用户 的体检数据中用户年龄为66岁和问卷数据(即体力活动水平评估结果 为中级)确定该用户的运动频率，可以根据预先构建的用户年龄、体 力活动水平评估结果和运动频率的关系表，确定老年人、体力活动水 平评估结果为中级对应的运动频率为4，则在运动计划周期7天内的 运动频率为4次。
在一些实施例中，确定运动频率还可以根据预先构建的用户年龄、 体力活动水平评估结果、运动类型和运动频率的关系表来确定。例如， 用户为青年人、体力活动水平评估结果为中级、运动类型为有氧运动 和力量运动，则确定该用户在运动计划周期7天内有氧运动的运动频 率为6次，力量运动的运动频率为4次。
在根据运动计划周期分配与运动方式对应的推荐运动时长时，获 取运动计划周期和运动频率，根据运动计划周期和运动频率确定时间 数组。
时间数组是指与运动频率对应的运动时长的集合，时间数组的表 达方式包括但不限[运动时长，运动频率]，[推荐运动时长]等。根据下 述时间数组确定公式得到符合条件的时间数组：
Figure BDA0002939168270000351
如上述公式，假设时间数组为T＝[ti，f]，运动频率为f次，运动计 划周期对应的最小活动量v1，运动计划周期对应的最大活动量v2，ti表示建议用户每次运动的时间长度。
其中，运动计划周期对应的最大活动量和最小活动量可以根据用 户体检数据和问卷数据以及运动风险评估结果查询预先构建的运动知 识图谱得到。
其中，ti、v1和v2的时间单位为分钟，f单位为天数或者次数。
假设预先设置的时间选择范围为T范围＝[10,15,20,……，90]。ti可 以重复从时间选择范围中获取推荐运动时长，得到时间数组
例如，时间数组为[35,4]，表示从时间选择范围中获取4次35分 钟，与运动方式对应的推荐运动时长均为35分钟。4次表示用户在运 动计划周期内需要运动4次。
又例如，时间数组[15,25,35,45]，表示从时间选择范围中获取15 分钟，25分钟，35分钟，45分钟分别作为与运动方式对应的推荐运 动时长。
假设按照上述时间数组确定公式，得到该用户的时间数组 T＝[35,4]。
按照时间数组T在运动计划周期内分配运动组合结果对应的目标 日期，包括：
确定运动组合结果中每个运动方式对应的推荐运动时长；
按照运动频率确定运动计划周期中运动组合结果对应的目标日期。
例如，根据用户的基本信息查询预先构建的运动知识图谱得到目 标运动方式列表和与目标运动方式列表对应的评价属性列表，根据评 价属性列表对应目标运动方式列表进行排序后得到排序后的目标运动 方式列表。然后，根据用户的年龄为66岁，确定该用户为老年人，根 据与老年人对应的预设个数的运动方式为1个运动方式或2个运动方 式。
在一些实施例中，假设从排序后的目标运动方式列表中获取1个 运动方式作为运动组合结果，即“快走”；
当运动组合结果的个数n取值为1时，确定运动组合结果中每个 运动方式对应的推荐运动时长为：
如果运动组合结果为“快走”，则推荐每次运动35分钟，一周4 次；
如果运动组合结果为“太极拳”，则推荐每次运动40分钟，一周 4次；
然后，按照运动频率确定运动计划周期中运动组合结果对应的目 标日期，即确定“快走”对应的目标日期如下：
周一：“快走”35分钟
周三：“快走”35分钟
周四：“快走”35分钟
周六：“快走”35分钟
确定“太极拳”对应的目标日期如下：
周二：“太极拳”40分钟
周三：“太极拳”40分钟
周五：“太极拳”40分钟
周日：“太极拳”40分钟
在一些实施例中，假设从排序后的目标运动方式列表中获取2个 运动方式作为运动组合结果，即运动组合结果为(“快走”，“太极拳”)。
运动组合结果的个数n取值为2，运动组合结果为(“快走”，“太 极拳”)。假设运动组合结果对应的推荐运动总时长为45分钟，根据运 动组合结果中运动方式的个数确定每个运动方式对应的推荐运动时长。 则(“快走”，“太极拳”)对应的推荐运动时长为[(“快走”，25分钟)； (“太极拳”，20分钟))]。
对于该用户按照运动频率确定运动计划周期中运动组合结果对应 的目标日期，即确定(“快走”，“太极拳”)对应的目标日期如下：
周一：“快走”25分钟；“太极拳”20分钟
周三：“快走”25分钟；“太极拳”20分钟
周四：“快走”25分钟；“太极拳”20分钟
周六：“快走”25分钟；“太极拳”20分钟
在一些实施例中，运动组合结果还可以根据运动类型进行归类， 然后确定与运动类型对应运动频率。例如，有氧运动f＝3，可以选择[1, 3,5]，即周一，周三，周五进行运动锻炼。力量运动f＝1时，随机选择 没有进行有氧运动的一天进行力量锻炼，力量运动f＝2时，选择有氧 运动时间最少的一天分配一次力量训练，另外一天随机选择没有进行 有氧运动的一天进行力量锻炼。力量运动f＝3时，选择有氧运动时间 最少的1-2天分配力量训练，剩余随机选择没有进行有氧运动的一天 进行力量锻炼。
如图15所示运动方案的展示界面，该展示界面显示适合用户的运 动推荐结果。该运动推荐结果包括运动类型、运动类型对应的运动方 式，运动类型对应的运动时长，可以根据运动类别确定对应的运动时 长、运动频率和运动强度等。该展示界面包括但限于网页版的展示界 面和移动终端上预先安装的应用程序展示的应用程序的界面。
针对上述年龄为66岁的男性用户，可以通过确定根据运动类型在 预设时长中选择运动频率f对应的目标运动计划日期，例如有氧运动 f＝4，可以选择周一，周二，周四，周五进行运动锻炼。
本申请实施例通过上述方式，可以有效地提高运动推荐结果的精 准度。
在一些实施例中，在用户使用产品时，也可以根据用户的需求， 向用户提供查询接口，如图12所示的可视化界面，用户可以通过在查 询接口中直接输入运动方式的运动名称作为关键字，来对与运动方式 相关信息进行查询。例如，输入“太极拳”，则可以得到“太极拳”对 应的运动类别、热量消耗、运动强度、代谢当量METs值，千步活动 当量等。
在一些实施例中，在用户使用产品时，也可以根据用户的需求， 向用户提供其他查询接口，例如运动预估消耗热量计算，如图13所示 的交互界面，用户可以通过选择交互界面的显示的信息，或者通过交 互界面内提供的输入接口输入体重、运动时长、运动方式来确定，运 动方式对应的运动预估消耗热量。
在接收到输入查询参数(例如体重、运动时长、运动方式)；
将查询参数填充到运动预估消耗热量计算模板中，得到与查询参 数对应的运动预估消耗热量。
例如，运动预估消耗热量计算模板为：体重*运动时长*代谢当量 *0.0167。
其中代谢当量可以通过获取的运动方式，查询预先构建的运动知 识图谱得到，例如运动方式为骑自身车，通过查询运动知识图谱的第 四关系，得到骑自行车对应的代谢当量METs，例如运动方式为骑自行 车(慢速，16-19.2千米/小时)代谢当量为6.0。
然后将接口获取得到的查询参数填充到运动预估消耗热量计算模 板，得到如图13所示的查询结果。上述计算模板中，*代表乘号，体 重单位为千克，运动时长单位为分钟，代谢当量即METs值为浮点数。 如体重60千克，运动时长40分钟，代谢当量6.0，则预估消耗热量 240大卡。
为了满足不同用户使用产品的需求，本申请一些实施例还提供了 语音交互方式，例如，当用户发出“播放运动方案”请求时(例如语 音请求)，系统会自动播放当天运动方案。运动方案实时显示在显示屏 上，同时显示动作视频，指导用户按照标准动作执行运动方案。显示 屏可以是家里电视机，投影仪等。
本申请一些实施例，还可以查询运动心率，通过运动心率计算模 板，根据健康人群运动心率计算最大心率法。例如，当运动水平低时， 运动心率＝(220-年龄)*(50％～60％)；当运动水平中等时，运动心率 ＝(220-年龄)*(60％～70％)；当运动水平高时，运动心率＝(220-年 龄)*(70％～80％)。
对于慢病、亚健康及其他疾病患者，按照从指南中整理的运动处 方推荐的运动频率范围进行计算。
本申请一些实施例中，还可以查询运动频率，通过运动频率计算 模板：根据运动水平确定运动频率。当运动水平低时，有氧运动频率 f＝3，力量运动频率f＝1；当运动水平中等时，有氧运动频率f＝4，力量 运动频率f＝2；当运动水平高时，有氧运动频率f＝5，力量运动频率 f＝2～3。拉伸训练要求运动前后做。
如图8所示，本申请一些实施例中，还可以向用户提供力量练习 查询和推荐方法：
按照每次3个部位([“背部”,“腹肌”,“大腿”],[“肩部”, “颈部”,“臂部”],[“臀部”,“胸部”,“小腿”])，level＝“初 级”，equipment＝“徒手训练”，根据部位，level,，equipment三个字 段查询健康知识图谱，从结果中每个部位按照顺序选择3个动作名称，这样，每次3*3＝9个动作，并按照用户运动水平映射运动强度(低水 平-低强度，中等水平-中等强度，高水平-高强度)，查询运动知识图谱， 返回运动形式，肌肉群，动作要领，器械要求等信息。
图17示出了本申请一些实施例提供的根据用户体检数据和体力 活动水平评估结果得到的按照运动类型归类的运动计划，在每个运动 类型下按照运动频率分配与运动频率对应的运动方式，例如，有氧运 动每周运动6天，推荐运动时长为每天75分钟。又例如，力量训练则 对运动方案对应的训练部位、运动次数、运动强度进行详细展示。
如果是患病人群，需要查询知识图谱中运动禁忌，注意事项等知 识，比如哮喘患者，干燥、花粉环境下是不能锻炼的，因此推荐模型 需要推荐比较潮湿、室内环境进行运动，并准确计算运动心率，强调 患者不能做大强度运动，如果监测到强度大于某个临界值或自主感觉 呼吸出现困难，提醒患者立即停止锻炼，并提供合理的处理建议。
在推荐过程中，基于网络数据以及运动报告，进行大数据分析， 抽取最受欢迎的运动直播课程，比如高效燃脂、律动街舞、全身塑形 等，以及2019年全球健身趋势Top10分别为：可穿戴技术、团体训 练、高强度间歇训练(HIIT)、老年人健身、自重训练、聘用认证教练、 瑜伽、私教、功能性训练、健康导向运动。在推荐模型中融入这些知 识，从而增加运动推荐的潮流性以及知识的新颖性。
获取用户所在位置的天气状态(湿度、温度、季节等)，用户自主 选择运动环境，比如室内、室外，运动器械、徒手等特征，对运动方 案重新排序，实时调整运动方案。
推荐内容包括运动种类(type)、运动强度(intensity)、持续时间 (duration)、运动频率(frequency)、运动心率(hr)，每周运动总时长 (v)。
如果离散变量中用户的某些字段信息未知或不限，给用户推荐运 动计划，这种情况下，比如只知道用户性别和年龄时，通过大数据分 析适宜不同年龄的男性和女性的运动，从而推荐给用户。
推荐结果举例：
用户1：年龄＝75,运动类型＝有氧运动,健康状态＝糖尿病，其他 信息未知，则推荐如下：
Figure BDA0002939168270000401
Figure BDA0002939168270000411
应当注意，尽管在附图中以特定顺序描述了本公开方法的操作， 但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或 是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描 绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤， 将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执 行。
下面请参考图19，图19示出了本申请实施例提供的运动推荐装 置的结构示意图。该装置可以包括:
信息获取单元801，用于获取用户的基本信息；
图谱查询单元802，用于根据所述用户的基本信息查询预先构建 的运动知识图谱，得到目标运动方式列表、与所述目标运动方式列表 对应的评价属性列表；
方案确定单元803，用于根据所述目标运动方式列表和所述评价 属性列表确定至少一种运动方案，所述运动方案包括至少一个运动方 式和与所述运动方式对应的推荐运动时长；
方案排序单元804，用于根据所述评价列表属性列表对所述至少 一种运动方案进行排序处理，得到排序结果；
方案推荐单元805，用于推荐所述排序结果中排序靠前的至少一 个运动方案。
图谱查询单元用于：
根据所述用户的基本信息构建至少一个查询语句；
根据所述至少一个查询语句中的每个查询语句分别查询所述运动 知识图谱，得到所述目标运动方式列表、与所述目标运动方式列表对 应的评价属性列表。
所述基本信息包括：用户的目标病症类型、目标用户属性和用户 的体力活动水平评估结果，图谱查询单元还用于：
获取所述用户的体力活动水平评估结果；
在所述用户的体力活动水平评估结果为高级时，将所述目标用户 属性和所述目标病症类型作为查询条件，构建查询语句；或者，
在所述用户的体力活动水平评估结果为中级或中级以下时，将所 述目标用户属性和所述目标病症类型作为查询条件，构建第一查询语 句；
将所述用户的体力活动水平评估结果作为查询条件，构建第二查 询语句。
所述运动知识图谱包括用户属性实体与运动类型实体之间的第一 关系，运动类型实体与疾病类型实体之间的第二关系，则图谱查询单 元还用于：
在所述用户的体力活动水平评估结果为高级时，根据所述第一查 询语句查询所述运动知识图谱中所述第一关系和第二关系，得到所述 目标运动方式列表；或者，
在所述用户的体力活动水平评估结果为中级或中级以下时，根据 所述第一查询语句查询所述运动知识图谱中所述第一关系和第二关系， 得到初始运动方式列表；
根据所述第二查询语句，查询所述运动知识图谱得到所述初始运 动方式列表中满足用户的体力活动水平评估结果的运动方式，作为目 标运动方式列表；
获取与所述目标运动方式列表对应的评价属性列表。
方案确定单元用于：
获取用户的目标消耗热量；
对所述目标运动方式列表中包含的至少一种运动方式进行组合， 得到运动组合结果，所述运动组合结果包括至少一个运动方式；
根据所述运动组合结果提取所述评价属性列表中与所述运动组合 结果对应的评价属性；
根据所述评价属性和所述目标消耗热量确定所述运动组合结果对 应的推荐时间组合，所述推荐时间组合包括与所述运动组合结果中的 每个运动方式对应的推荐运动时长；
将所述运动组合结果和与所述运动组合结果对应的推荐时间组合 作为所述运动方案。
方案确定单元还用于：
获取所述用户在运动计划周期内的运动频率；
对所述目标运动方式列表中包含的至少一种运动方式进行组合， 得到运动组合结果，所述运动组合结果包括至少一个运动方式；
确定所述运动计划周期对应的最大活动量和最小活动量；
根据所述最大活动量和最小活动量确定时间数组，所述时间数组 包括所述运动频率和与所述运动频率对应的推荐运动时长；
在所述运动计划周期内按照所述运动频率将所述时间数组分配给 所述运动组合结果。
方案确定单元还用于：
根据用户的体力活动水平评估结果从所述目标运动方式列表中获 取与所述用户的体力活动水平评估结果对应的预设个数的运动方式， 作为所述运动组合结果。
所述评价属性包括与运动方式对应的单位消耗热量，则方案排序 单元用于：
根据所述运动组合结果包含的每个运动方式对应的单位消耗热 量与推荐时长的乘积之和等于所述目标消耗热量，确定所述运动方式 组合对应的推荐时间组合。
所述评价属性列表包括与运动方式对应的多个评价属性，方案排 序单元用于：
根据所述用户的基本信息确定所述用户的运动风险级别；
根据所述多个评价属性和运动风险级别属性对所述至少一种运动 方案进行排序。
所述运动方案包括至少一个运动方式和与每个运动方式对应的推 荐运动时长，方案排序单元用于：
获取每个运动方式的所述多个评价属性分别对应的权重系数；
根据每个所述评价属性对应的权重系数与每个评价属性对应的取 值求积；
根据每个运动方式对应的所述运动风险级别的取值和与所述运动 风险级别对应的权重系数求积；
将所述求积结果作为所述至少一种运动方案中的每个运动方式的 评价指标；
根据所述评价指标和每个运动方式对应的权重系数确定每个运动 方案的综合评价指标；
根据所述综合评价指标对所述至少一个运动方案进行排序。
所述运动方案包括至少一个运动方式和与每个运动方式对应的推 荐运动时长，方案排序单元用于：
获取每个运动方式的所述多个评价属性分别对应的权重系数；
根据每个所述评价属性对应的权重系数与每个评价属性对应的取 值求积；
根据每个运动方式对应所述运动风险级别的取值和与所述运动风 险级别对应的权重系数求积；
根据每个运动方式的推荐运动时长和与所述推荐运动时长对应权 重系数求积；
将所述求积结果作为所述至少一种运动方案中的每个运动方式的 评价指标；
根据所述评价指标和每个运动方式对应的权重系数确定每个运动 方案的综合评价指标；
根据所述综合评价指标对所述至少一个运动方案进行排序。
该装置还包括：
运动风险确定单元，用于根据所述用户的基本信息确定所述用户 的运动风险级别；
推荐范围确定单元，用于根据所述运动风险级别确定推荐运动方 式的范围。
运动风险确定单元，用于将所述用户的基本信息输入到预先构建 的运动风险分类模型，得到所述用户的运动风险级别。
所述用户的基本信息包括目标病症类型、目标用户属性和体力活 动水平评估结果，基本信息获取单元用于：
通过电子问卷方式获取用户的目标病症类型、目标用户属性和体 力活动水平评估结果；或者，
通过用户的体检数据获取用户的目标病症类型和目标用户属性；
通过电子问卷方式获取用户的体力活动水平评估结果。
所述电子问卷方式包括人机交互展示界面或者语音对话方式。
相对于相关技术向用户推荐运动的方式，本申请实施例可以精准 地为用户提供适用性强的运动组合结果，从而提高运动推荐结果的精 准度。
应当理解，上述装置中记载的诸单元或模块与参考图2描述的方 法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样 适用于上述装置及其中包含的单元，在此不再赘述。上述装置可以预 先实现在电子设备的浏览器或其他安全应用中，也可以通过下载等方 式而加载到电子设备的浏览器或其安全应用中。上述装置中的相应单 元可以与电子设备中的单元相互配合以实现本申请实施例的方案。
在上文详细描述中提及的若干模块或者单元，这种划分并非强制 性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块 或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上 文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模 块或者单元来具体化。
下面参考图20，图20示出了适于用来实现本申请实施例的终端 设备或服务器的计算机系统的结构示意图。
如图20所示，计算机系统包括中央处理单元(CPU)901，其可 以根据存储在只读存储器(ROM)902中的程序或者从存储部分908 加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作 和处理。在RAM 903中，还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM903通过总线904彼此相连。输入 /输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906； 包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的 输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、 调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如 因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口 905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等， 根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据 需要被安装入存储部分908。
特别地，根据本公开的实施例，上文参考流程图图2描述的过程 可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算 机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机 程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中， 该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从 可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执 行时，执行本申请的系统中限定的上述功能。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读 信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算 机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外 线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可 读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线 的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读 存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便 携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者 上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任 何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或 者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介 质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载 了计算机可读的程序代码。这种传播的数据信号可以采用多种形式， 包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可 读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介 质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、 装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含 的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、 光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了根据本公开各种实施例的系统、 方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点 上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码 的一部分，前述模块、程序段、或代码的一部分包含一个或多个用于 实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的 实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发 生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们 有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的 是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的 组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现， 或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方 式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以 设置在处理器中，例如，可以描述为：一种处理器包括信息获取单元、 图谱查询单元、方案确定单元、方案排序单元和方案推荐单元。其中， 这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的 限定，例如，信息获取单元还可以被描述为“用于获取用户的基本信息 的单元”。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计 算机可读存储介质可以是上述实施例中描述的电子设备中所包含的； 也可以是单独存在，而未装配入该电子设备中的。上述计算机可读存 储介质存储有一个或者多个程序，当上述前述程序被一个或者一个以 上的处理器用来执行描述于本申请的运动推荐方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。 本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上 述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述 公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形 成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有 类似功能的技术特征进行互相替换而形成的技术方案。

Claims (19)

1.一种运动推荐方法，其特征在于，所述方法包括：
获取用户的基本信息；
根据所述用户的基本信息查询预先构建的运动知识图谱，得到目标运动方式列表、与所述目标运动方式列表对应的评价属性列表；
根据所述目标运动方式列表和所述评价属性列表确定至少一种运动方案，所述运动方案包括至少一个运动方式和与所述运动方式对应的推荐运动时长；
根据所述评价属性列表对所述至少一种运动方案进行排序处理，得到排序结果；
根据所述排序结果推荐至少一种运动方案。
2.根据权利要求1所述的方法，其特征在于，所述根据所述用户的基本信息查询预先构建的运动知识图谱，得到目标运动方式列表、与所述目标运动方式列表对应的评价属性列表，包括：
根据所述用户的基本信息构建至少一个查询语句；
根据所述至少一个查询语句中的每个查询语句分别查询所述运动知识图谱，得到所述目标运动方式列表、与所述目标运动方式列表对应的评价属性列表。
3.根据权利要求2所述的方法，其特征在于，所述基本信息包括：用户的目标病症类型、目标用户属性和用户的体力活动水平评估结果，所述根据所述用户的基本信息构建至少一个查询语句，包括：
获取所述用户的体力活动水平评估结果；
在所述用户的体力活动水平评估结果为高级时，将所述目标用户属性和所述目标病症类型作为查询条件，构建查询语句；或者，
在所述用户的体力活动水平评估结果为中级或中级以下时，将所述目标用户属性和所述目标病症类型作为查询条件，构建第一查询语句；
将所述用户的体力活动水平评估结果作为查询条件，构建第二查询语句。
4.根据权利要求3所述的方法，其特征在于，所述运动知识图谱包括用户属性实体与运动类型实体之间的第一关系，运动类型实体与疾病类型实体之间的第二关系，则所述根据所述至少一个查询语句中的每个查询语句分别查询所述运动知识图谱，包括：
在所述用户的体力活动水平评估结果为高级时，根据所述第一查询语句查询所述运动知识图谱中所述第一关系和所述第二关系，得到所述目标运动方式列表；或者，
在所述用户的体力活动水平评估结果为中级或中级以下时，根据所述第一查询语句查询所述运动知识图谱中所述第一关系和所述第二关系，得到初始运动方式列表；
根据所述第二查询语句，查询所述运动知识图谱得到所述初始运动方式列表中满足所述用户的体力活动水平评估结果的运动方式，作为所述目标运动方式列表；
获取与所述目标运动方式列表对应的评价属性列表。
5.根据权利要求1-4任一项所述的方法，其特征在于，根据所述目标运动方式列表和所述评价属性列表确定至少一种运动方案，包括：
获取所述用户的目标消耗热量；
对所述目标运动方式列表中包含的至少一种运动方式进行组合，得到运动组合结果，所述运动组合结果包括至少一个运动方式；
根据所述运动组合结果提取所述评价属性列表中与所述运动组合结果对应的评价属性；
根据所述评价属性和所述目标消耗热量确定所述运动组合结果对应的推荐时间组合，所述推荐时间组合包括与所述运动组合结果中的每个运动方式对应的推荐运动时长；
将所述运动组合结果和与所述运动组合结果对应的推荐时间组合作为所述运动方案。
6.根据权利要求5所述的方法，其特征在于，所述评价属性包括与运动方式对应的单位消耗热量，则根据所述评价属性和所述目标消耗热量确定所述运动方式组合对应的推荐时间组合，包括：
根据所述运动组合结果包含的每个运动方式对应的单位消耗热量与推荐时长的乘积之和等于所述目标消耗热量，确定所述运动方式组合对应的推荐时间组合。
7.根据权利要求1-4任一项所述的方法，其特征在于，根据所述目标运动方式列表和所述评价属性列表确定至少一种运动方案，包括：
获取所述用户在运动计划周期内的运动频率；
对所述目标运动方式列表中包含的至少一种运动方式进行组合，得到运动组合结果，所述运动组合结果包括至少一个运动方式；
确定所述运动计划周期对应的最大活动量和最小活动量；
根据所述最大活动量和最小活动量确定时间数组，所述时间数组包括所述运动频率和与所述运动频率对应的推荐运动时长；
在所述运动计划周期内按照所述运动频率将所述时间数组分配给所述运动组合结果。
8.根据权利要求5-7中任一项所述的方法，其特征在于，所述对所述目标运动方式列表中包含的至少一种运动方式进行组合，包括：
根据用户的体力活动水平评估结果从所述目标运动方式列表中获取与所述用户的体力活动水平评估结果对应的预设个数的运动方式，作为所述运动组合结果。
9.根据权利要求1-8中任一项所述的方法，其特征在于，所述评价属性列表包括与运动方式对应的多个评价属性，根据所述评价属性列表对所述至少一种运动方案进行排序处理，包括：
根据所述用户的基本信息确定所述用户的运动风险级别；
根据所述多个评价属性和运动风险级别属性对所述至少一种运动方案进行排序。
10.根据权利要求9所述的方法，其特征在于，所述运动方案包括至少一个运动方式和与每个运动方式对应的推荐运动时长，所述根据所述多个评价属性和运动风险级别属性对所述至少一种运动方案进行排序，包括：
获取每个运动方式的所述多个评价属性分别对应的权重系数；
根据每个所述评价属性对应的权重系数与每个评价属性对应的取值求积；
根据每个运动方式对应的所述运动风险级别的取值和与所述运动风险级别对应的权重系数求积；
将所述求积结果作为所述至少一种运动方案中的每个运动方式的评价指标；
根据所述评价指标和每个运动方式对应的权重系数确定每个运动方案的综合评价指标；
根据所述综合评价指标对所述至少一个运动方案进行排序。
11.根据权利要求9所述的方法，其特征在于，所述运动方案包括至少一个运动方式和与每个运动方式对应的推荐运动时长，所述根据所述多个评价属性和运动风险级别属性对所述至少一种运动方案进行排序，包括：
获取每个运动方式的所述多个评价属性分别对应的权重系数；
根据每个所述评价属性对应的权重系数与每个评价属性对应的取值求积；
根据每个运动方式对应所述运动风险级别的取值和与所述运动风险级别对应的权重系数求积；
根据每个运动方式的推荐运动时长和与所述推荐运动时长对应权重系数求积；
将所述求积结果作为所述至少一种运动方案中的每个运动方式的评价指标；
根据所述评价指标和每个运动方式对应的权重系数确定每个运动方案的综合评价指标；
根据所述综合评价指标对所述至少一个运动方案进行排序。
12.根据权利要求1-11中任一项所述的方法，其特征在于，在所述根据所述用户的基本信息查询预先构建的运动知识图谱之前，该方法还包括：
根据所述用户的基本信息确定所述用户的运动风险级别；
根据所述运动风险级别确定推荐运动方式的范围。
13.根据权利要求12所述的方法，其特征在于，所述根据所述用户的基本信息确定所述用户的运动风险级别，包括：
将所述用户的基本信息输入到预先构建的运动风险分类模型，得到所述用户的运动风险级别。
14.根据权利要求1-13任一项所述的方法，其特征在于，所述用户的基本信息包括目标病症类型、目标用户属性和体力活动水平评估结果，所述获取用户的基本信息，包括：
通过电子问卷方式获取用户的目标病症类型、目标用户属性和体力活动水平评估结果；或者，
通过用户的体检数据获取用户的目标病症类型和目标用户属性；
通过电子问卷方式获取用户的体力活动水平评估结果。
15.根据权利要求14所述的方法，其特征在于，所述电子问卷方式包括人机交互展示界面或者语音对话方式。
16.一种运动推荐装置，其特征在于，所述装置包括：
信息获取单元，用于获取用户的基本信息；
图谱查询单元，用于根据所述用户的基本信息查询预先构建的运动知识图谱，得到目标运动方式列表、与所述目标运动方式列表对应的评价属性列表；
方案确定单元，用于根据所述目标运动方式列表和所述评价属性列表确定至少一种运动方案，所述运动方案包括至少一个运动方式和与所述运动方式对应的推荐运动时长；
方案排序单元，用于根据所述评价列表属性列表对所述至少一种运动方案进行排序处理，得到排序结果；
方案推荐单元，用于推荐所述排序结果中排序靠前的至少一个运动方案。
17.一种电子设备，其特征在于，该设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器用于执行所述程序时实现如权利要求1-15任一项所述的方法。
18.根据权利要求17所述的电子设备，其特征在于，所述电子设备还包括：输入装置和输出装置；
所述输入装置用于获取用户基本信息；
所述输出装置用于将至少一个运动方案推荐给用户。
19.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于实现如权利要求1-15任一项所述的方法。
CN202110171834.9A 2021-02-08 2021-02-08 运动推荐方法、装置、设备及介质 Pending CN114912005A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110171834.9A CN114912005A (zh) 2021-02-08 2021-02-08 运动推荐方法、装置、设备及介质
US17/462,949 US20220249910A1 (en) 2021-02-08 2021-08-31 Exercise recommendation method and apparatus electronic device and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110171834.9A CN114912005A (zh) 2021-02-08 2021-02-08 运动推荐方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN114912005A true CN114912005A (zh) 2022-08-16

Family

ID=82703513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110171834.9A Pending CN114912005A (zh) 2021-02-08 2021-02-08 运动推荐方法、装置、设备及介质

Country Status (2)

Country Link
US (1) US20220249910A1 (zh)
CN (1) CN114912005A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115531832A (zh) * 2022-09-29 2022-12-30 厦门艾地运动科技有限公司 一种健身指导信息的生成方法、终端设备及存储介质
CN116189310A (zh) * 2022-11-16 2023-05-30 北京理工大学 一种提供人体运动数据集的方法及电子设备
CN118629586A (zh) * 2024-08-09 2024-09-10 四川省医学科学院·四川省人民医院 一种癌症患儿运动康复方案构建方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109769011B (zh) * 2018-12-06 2021-02-12 华为终端有限公司 一种运动数据处理方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10112075B2 (en) * 2016-02-01 2018-10-30 Logitech Europe, S.A. Systems, methods and devices for providing a personalized exercise program recommendation

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115531832A (zh) * 2022-09-29 2022-12-30 厦门艾地运动科技有限公司 一种健身指导信息的生成方法、终端设备及存储介质
CN116189310A (zh) * 2022-11-16 2023-05-30 北京理工大学 一种提供人体运动数据集的方法及电子设备
CN116189310B (zh) * 2022-11-16 2024-01-23 北京理工大学 一种提供人体运动数据集的方法及电子设备
CN118629586A (zh) * 2024-08-09 2024-09-10 四川省医学科学院·四川省人民医院 一种癌症患儿运动康复方案构建方法及系统
CN118629586B (zh) * 2024-08-09 2024-10-11 四川省医学科学院·四川省人民医院 一种癌症患儿运动康复方案构建方法及系统

Also Published As

Publication number Publication date
US20220249910A1 (en) 2022-08-11

Similar Documents

Publication Publication Date Title
CN114912005A (zh) 运动推荐方法、装置、设备及介质
Frost et al. What adherence measures should be used in trials of home-based rehabilitation interventions? A systematic review of the validity, reliability, and acceptability of measures
ES2961543T3 (es) Determinación de un régimen de bienestar óptimo
Kear et al. Timed up and go (TUG) test: normative reference values for ages 20 to 59 years and relationships with physical and mental health risk factors
Bidonde et al. Aquatic exercise training for fibromyalgia
JP2020187756A (ja) 栄養摂取量のユーザ特異的な調整のためのシステムおよび方法
Finley et al. Associations between foot placement asymmetries and metabolic cost of transport in hemiparetic gait
WO2019145722A1 (en) Generating optimised workout plans using genetic and physiological data
Gouelle et al. Changes in gait variability from first steps to adulthood: normative data for the gait variability index
CN109817302B (zh) 一种健身用专家系统
US11328819B2 (en) Methods and systems for an artificial intelligence fitness professional support network for vibrant constitutional guidance
WO1991003282A1 (en) Activity guidance process, system and kit
Means et al. USE OF AN OBSTACLE COURSE TO ASSESS BALANCE AND MOBILITY IN THE ELDERLY: A Validation Study: 1
CN114072782A (zh) 问题推荐方法及装置、系统和电子设备、可读存储介质
KR20210052122A (ko) 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법
Shaw et al. The activity demands and physiological responses observed in professional ballet: a systematic review
Rountree The Athlete's Guide to Recovery: Rest, Relax, and Restore for Peak Performance
Hogarth et al. The impact of limb deficiency impairment on Para swimming performance
Wiecha et al. VO2max prediction based on submaximal cardiorespiratory relationships and body composition in male runners and cyclists: a population study
JP2006031433A (ja) 高齢者の日常生活・運動支援システム
Thompson Prevention practice and health promotion: A health care professional’s guide to health, fitness, and wellness
CN112951374B (zh) 数据分析方法、系统、计算机设备及存储介质
Genovese Physique correlates with reproductive success in an archival sample of delinquent youth
Yu et al. Comparative efficacy of various hypoxic training paradigms on maximal oxygen consumption: A systematic review and network meta-analysis
Düking et al. ChatGPT generated training plans for runners are not rated optimal by coaching experts, but increase in quality with additional input information

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination