[發明專利]一種基于梯度策略決策算法的個性化運動推薦方法

在審

• 申請號: 202110917121.2
• 申請日: 2021-08-11
• 公開（公告）號: CN113611389A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 楊良懷;翁偉寧
• 申請（專利權）人: 東南數字經濟發展研究院
• 主分類號: G16H20/30
• 分類號: G16H20/30;G06N3/08
• 代理公司: 北京盛凡智榮知識產權代理有限公司 11616
• 代理人: 葉似錦

本發明旨在提供一種基于用戶運動習慣的個性化動態運動推薦算法，該方法能有效挖掘用戶個性化運動表征，在運動推薦中實現個性化運動的快速適配和動態調整。具體步驟如下:用戶運動習慣表征，包括時間習慣表征，強度習慣表征、運動總體表征；構建運動習慣適配模型，主要由自訓練運動配置決策體和快速推薦算法組成，自訓練運動配置決策體根據少樣本標簽自訓練，推薦算法根據決策體進行運動習慣、強度的個性化適配；實時調整決策目標，評價決策個性化運動推薦和用戶實際運動量的適配情況，以運動實際完成量為優化目標實時更新決策結果；決策模型自適應機制，挖掘用戶運動習慣的動態變化自適應調整決策體參數，以實現決策體對用戶習慣的實時更新。

技術領域

本發明涉及強化學習領域和機器學習領域中的梯度策略算法，前饋網絡分類器和馬爾可夫決策過程，尤其涉及了一種自訓練和自適應的動態個性化運動決策算法。

背景技術

運動是提高人體基礎活動能力并提升人類生理健康水平的重要手段。人體針對不同運動的負荷量存在生理差異性，不同人體對不同運動具有差異的負荷情況。過量運動或不正當運動容易造成運動人群的生理損傷乃至造成運動性猝死。其中跑步運動作為日常生活中最常見的運動，其為造成運動者心臟驟停和猝死案例最多的運動項目。因此針對跑步運動中可能存在的健康風險以及不正當運動類型，如何實現高效、健康以及符合運動生理習慣的跑步運動變得尤為重要。

為了解決上文中提出的運動風險問題并實現健康運動，將普適性運動調整為個性化運動的形式開始變得越來越重要。普適性運動通過制訂普適性運動標準或指導，為不同身體狀況、不同運動能力的運動人群提供相同的運動指導。該方法忽略了運動人群之間存在的內部差異性，易導致運動風險。個性化運動運動放棄運動的普適性指導模式，以“一人一案”代替指定通用性運動指導方案。2016年國務院發布的《健康中國2030規劃綱要》中明確提出，運動指導需要首先進行運動前安全性評估與運動能力測試評價，而后針對運動人群的差異性運動能力提供不同的運動處方以降低運動風險。個性化運動處方推薦的應用實現體醫結合并，滿足大眾對運動健身不斷增長的科學指導需求并以運動生理差異性驅動運動指導合理性，實現以可穿戴設備和運動人群個性化數據驅動的指導模式。

個性化運動處方推薦為當前研究熱點，目前針對個性化運動處方的研究多在于以生理信息采集的運動模式推薦，運動時間推薦以及運動強度推薦。上述推薦方法適配用戶的生理信息，以可穿戴設備采集的生理信號分析運動人群的運動能力，并針對不同目標，例如運動能力提升或運動能力保持提供了長短期結合的運動處方推薦，長期運動處方推薦規劃長期目標，短期則將長期處方分配到具體實現模式。而個性化運動處方推薦以運動能力規劃為主，忽略了基于運動人群運動習慣的細粒度處方分配。現代運動生理學研究表明，人體體力和針對運動的能力受機體生物鐘的影響，即用戶的最佳運動能力和運動狀態隨著與其日常運動習慣密切相關。對個性化運動和運動習慣之間的適配的研究仍然保持空白，對該方面的探究有助于提高運動處方推薦的精度，實現基于短時間運動習慣分配的細粒度運動推薦，提高運動處方的個性化程度并進一步降低運動風險。

個性化推薦算法中，基于強化學習的決策算法應用較為廣泛。決策算法以決策體作為決策大腦，模仿群體的思考模式并且按照該模式做出決策或推薦。運動個性化推薦的早期研究中，其推薦模式死板的學習運動群體的習慣而不能動態變化和自適應更新導致處方推薦模型落后于運動群體的習慣更新。引入智能決策體的自適應算法實現決策的自采樣學習并快速迭代更新，在適配和分配問題的推薦中具有極大的應用價值和研究價值。

發明內容

為了克服個性化運動處方中忽視個體運動習慣、細粒度個性化適配能力弱的問題，本發明提供了一種基于梯度策略決策算法的習慣個性化運動適配方法，實現運動時段、運動總量的習慣推薦。