本公开涉及数据处理,尤其涉及一种基于pai的运动推荐方法、装置、电子设备和存储介质。
背景技术:
1、个人运动机能指数(personal activity intelligence,pai)作为一种运动量化的手段,为用户提供了初步推荐策略,即通过运动心率区间和运动时长的组合,将用户每天的pai值维持在100以上。
2、但是,有些用户运动基础薄弱(如受伤后恢复、老年人等),这些用户很难每天将pai值维持在100以上。可见,pai值100以上的推荐策略,适用性差。
技术实现思路
1、本公开提出一种基于pai的运动推荐方法、装置、电子设备和存储介质。
2、本公开一方面实施例提出了一种基于pai的运动推荐方法,包括:
3、根据目标用户的历史运动数据,确定待推荐运动类型;
4、确定目标用户在目标时间段的待完成pai值;
5、根据待推荐运动类型和待完成pai值,确定待推荐运动指标;
6、根据待推荐运动类型和待推荐运动指标,确定运动推荐信息,并推荐给目标用户。
7、本公开实施例的基于pai的运动推荐方法,通过根据用户的历史运动数据,确定待推荐运动类型,根据待推荐运动类型和目标时间段待完成pai值,确定待推荐运动指标,基于待推荐运动类型和待推荐运动指标,向用户推荐运动信息,不仅提高了推荐的个性化,而且运动推荐信息易于理解、具有操作性。
8、在本公开一方面实施例一种可能的实现方式中,根据目标用户的历史运动数据,确定待推荐运动类型,包括:
9、根据历史运动数据,确定各运动类型及对应的喜爱度;
10、根据喜爱度,从各运动类型中确定出至少一个候选运动类型;
11、确定单位时间内每个候选运动类型对应的第一pai值;
12、根据各第一pai值,从至少一个候选运动类型中选择出待推荐运动类型。
13、由此,通过利用历史运动数据和pai值,确定待推荐运动类型,提高了运动类型推荐的准确性。
14、在本公开一方面实施例一种可能的实现方式中,根据各第一pai值,从至少一个候选运动类型中选择出待推荐运动类型,包括:
15、将第一pai值大于预设阈值的候选运动类型,作为待推荐运动类型。由此,可以从至少一个候选运动类型中,筛选出待推荐的运动类型。
16、在本公开一方面实施例一种可能的实现方式中,确定目标用户在目标时间段的待完成pai值,包括:
17、确定目标用户在目标时间段的目标pai值及已完成pai值;
18、根据目标pai值和已完成pai值,确定待完成pai值。
19、由此,基于用户需要完成的pai值与已完成的pai值,确定出待完成pai值,从而提高了运动信息推荐的准确性。
20、在本公开一方面实施例一种可能的实现方式中,确定目标用户在目标时间段的目标pai值,包括:
21、确定目标用户在目标时间段的前m个时段内的m个第二pai值,及在目标时间段的前n个时段内的n个第三pai值,其中,m、n为正整数,m大于n;
22、根据目标时间段在所属推荐周期中的时段、m个第二pai值及n个第三pai值,确定目标pai值。
23、由此,通过根据目标用户在历史时间段的pai值,以及目标时间段在所属推荐周期中的时段,确定目标pai值,从而提高了pai值的智能化推荐。
24、在本公开一方面实施例一种可能的实现方式中,推荐周期包括第一时段和第二时段,且第一时段早于第二时段,根据目标时间段在所属推荐周期中的时段、m个第二pai值及n个第三pai值,确定目标pai值,包括:
25、确定m个第二pai值与目标参数之间的第一平均值,及n个第三pai值与目标参数之间的第二平均值;
26、在目标时间段属于第一时段的情况下,基于第二平均值大于或等于第一平均值,确定目标参数的第一取值范围;
27、根据第一取值范围,确定目标pai值;
28、在目标时间段属于第二时段的情况下,基于第二平均值小于第一平均值,确定目标参数的第二取值范围;
29、根据第二取值范围,确定目标pai值。
30、从而,使用应力平衡策略,综合考虑用户的运功能力提升和运动疲劳恢复的平衡,对于一些运动基础薄弱的人群,能够有效达到适合自己的目标pai值,并且对于运动过度和运动损伤进行了预防,实现了pai值的智能化推荐。
31、在本公开一方面实施例一种可能的实现方式中,根据待推荐运动类型和待完成pai值,确定待推荐运动指标,包括:
32、根据多个用户的历史运动数据,确定运动类型、运动指标与pai值间的映射关系;
33、根据映射关系,确定待推荐运动指标。
34、由此,以多个用户的历史运动数据为基础,建立目标pai值到不同运动类型的运动指标的映射关系,为用户达成运动目标提供语义上易于理解、且具有操作性的方案。
35、在本公开一方面实施例一种可能的实现方式中,在根据目标用户的历史运动数据,确定待推荐运动类型之前,还包括:
36、确定目标用户的注册时长大于或等于预设时长。
37、由此,通过利用较长时长的历史运动数据,确定待推荐运动类型,提高了运动类型推荐的精准性。
38、在本公开一方面实施例一种可能的实现方式中,该方法还可包括:
39、在注册时长小于预设时长的情况下,根据多个用户的历史运动数据,确定运动推荐信息。由此,当目标用户的注册时长小于预设时长时,可以利用大量用户的历史运动数据,确定运动推荐信息,从而实现对新用户的运动信息推荐。
40、本公开另一方面实施例提出了一种基于pai的运动推荐装置,包括:
41、第一确定模块,用于根据目标用户的历史运动数据,确定待推荐运动类型;
42、第二确定模块,用于确定目标用户在目标时间段的待完成pai值;
43、第三确定模块,用于根据待推荐运动类型和待完成pai值,确定待推荐运动指标;
44、第四确定模块,用于根据待推荐运动类型和待推荐运动指标,确定运动推荐信息,并推荐给目标用户。
45、本公开实施例的基于pai的运动推荐装置,通过根据用户的历史运动数据,确定待推荐运动类型,根据待推荐运动类型和目标时间段待完成pai值,确定待推荐运动指标,基于待推荐运动类型和待推荐运动指标,向用户推荐运动信息,不仅提高了推荐的个性化,而且运动推荐信息易于理解、具有操作性。
46、在本公开另一方面实施例一种可能的实现方式中,第一确定模块,用于:
47、根据历史运动数据,确定各运动类型及对应的喜爱度;
48、根据喜爱度,从各运动类型中确定出至少一个候选运动类型;
49、确定单位时间内每个候选运动类型对应的第一pai值;
50、根据各第一pai值,从至少一个候选运动类型中选择出待推荐运动类型。
51、在本公开另一方面实施例一种可能的实现方式中,第一确定模块,用于:
52、将第一pai值大于预设阈值的候选运动类型,作为待推荐运动类型。
53、在本公开另一方面实施例一种可能的实现方式中,第二确定模块,包括:
54、第一确定单元,用于确定目标用户在目标时间段的目标pai值及已完成pai值;
55、第二确定单元,用于根据目标pai值和已完成pai值,确定待完成pai值。
56、在本公开另一方面实施例一种可能的实现方式中,第一确定单元,用于:
57、确定目标用户在目标时间段的前m个时段内的m个第二pai值,及在目标时间段的前n个时段内的n个第三pai值,其中,m、n为正整数,m大于n;
58、根据目标时间段在所属推荐周期中的时段、m个第二pai值及n个第三pai值,确定目标pai值。
59、在本公开另一方面实施例一种可能的实现方式中,推荐周期包括第一时段和第二时段,且第一时段早于第二时段,第一确定单元,用于:
60、在目标时间段属于第一时段的情况下,确定m个第二pai值与目标参数之间的第一平均值,及确定n个第一pai值与目标参数之间的第二平均值;
61、在目标时间段属于第一时段的情况下,基于第二平均值大于或等于第一平均值,确定目标参数的第一取值范围;
62、根据第一取值范围,确定目标pai值;
63、在目标时间段属于第二时段的情况下,基于第二平均值小于第一平均值,确定目标参数的第二取值范围;
64、根据第二取值范围,确定目标pai值。
65、在本公开另一方面实施例一种可能的实现方式中,第三确定模块,用于:
66、根据多个用户的历史运动数据,确定运动类型、运动指标与pai值间的映射关系;
67、根据映射关系,确定待推荐运动指标。
68、在本公开另一方面实施例一种可能的实现方式中,装置还包括:
69、第五确定模块,用于确定目标用户的注册时长大于或等于预设时长。
70、在本公开另一方面实施例一种可能的实现方式中,装置还包括:
71、第六确定模块,用于在注册时长小于预设时长的情况下,根据多个用户的历史运动数据,确定运动推荐信息。
72、本公开另一方面实施例提出了一种计算机设备,包括处理器和存储器;
73、其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如上述一方面实施例所述的基于pai的运动推荐方法。
74、本公开另一方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述一方面实施例所述的基于pai的运动推荐方法。
75、本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。