基于个性化推荐的篮球训练系统应用分析

隋占丽

(仰恩大学工程技术学院，福建泉州 362014)

篮球是一项广受喜爱的体育运动之一，我国具有众多篮球爱好者，但在篮球训练方面较欠缺，尤其在训练方法上与发达国家有一定差距，基于此,需要在现有训练方法上进行改进，在篮球训练中可将训练过程与计算机篮球训练系统结合起来，根据运动员个人特点进行个性化推荐，从而发挥篮球运动员个人优势，提升运动员的运动效率[1]。

1 系统需求分析

1.1 用户识别

用户识别主要作用是识别访问者身份，并根据访问者身份赋予其不同权限。用户识别是所有系统都必须有的，关系到系统运行安全及运转。

1.2 个性化推荐

1.3 数据挖掘及数据预处理

从数据处理角度，数据预处理是数据挖掘的首要环节、对数据的预处理过程主要包括数据清理及数据转化两部分。其中数据清理主要是将获取的数据中与推荐算法没有关系的信息消除，并将信息中的噪声进行过滤。数据转换的主要作用是将不同类型的数据进行转化，使之成为可统一使用的同种数据。大数据推荐引擎需要处理海量信息，结合用户个人篮球训练信息以及网络相关信息挖掘出最适合用户个人发展的训练计划，因此要求系统具备强大的数据处理能力，在此基础上实现个性化推荐。

1.4 运动仿真功能

该系统需具备运动仿真功能，可结合实际场景对其进行虚拟化建模处理，使其成为一个与现实环境类似的虚拟场景，并对该场景中的人物进行3D仿真。教师和运动员在使用该系统时可选择相应的场景及模型，也可结合实际需求建立相应的虚拟场景，在此基础上可得到相应的结果[3]。

1.5 实时捕捉功能

该系统具备实时捕捉功能，可在篮球教学过程中对人的运动过程进行有效捕捉，得到对应的捕捉结果。从实际情况来看，运动捕捉主要是消除背景的影响，将运动员个人作为捕捉对象，并将捕捉到的视频传输至系统中进行综合处理，在此基础上可得到对应的人体模型，在系统中对人体模型进行参数化处理后得到相应的捕捉结果。捕捉后可将运动员的所有视频信息传输到系统数据库中，通过虚拟仿真技术将运动员的视频播放出来，可对运动员的运动过程进行综合分析，发现细节中存在的不足之处。

1.6 获取运动参数

在实际训练过程中系统可对运动员的运动过程和各项参数进行数字化处理，尤其是各个细节的参数处理可有效提升运动员的技术水平。也可实时监测运动员的各项身体技能参数，如心率、血压、心肺功能等，通过该种模式可对运动过程进行有效管控，最大限度地降低因为运动过度导致运动员的身体机能的损伤。

1.7 数据统计功能

运动员通过虚拟仿真技术进行篮球技术的提升过程需要在数理统计功能的支持下才能进行，因此需要该系统具备数理统计功能，在实际分析中可结合该系统进行综合分析，将数理统计功能加入到系统中，并通过虚拟统计手段获取相应的运动信息，判断运动员在虚拟现实训练系统中的技能是否有所提升，并对不足之处进行综合分析，制定新的培养策略，促进运动员篮球技术的整体提升[4]。

2 系统个性化推荐算法

图1 个性化推荐算法流程

个性化推荐算法是一种根据用户个人情况进行经验推算的一种现代推荐算法，通过该算法可消除传统全方位推荐的弊端，有效降低系统运行过程中的资源载荷，消除信息过载等不良情况的出现。本研究主要采用协同过滤算法作为本文构建系统的基本算法，即在构建模型过程中通过该算法构建出近邻的关系模型，对其进行算法统计，利用近邻关系中与目标用户距离最近的用户的评分来预测目标的特定评分，在此基础上可生成对应的个性化推荐，其基本流程见图1。主要包括三个阶段：数据输入、运行协同过滤算法和输出推荐结果。在个性化推荐算法流程中首先需要收集所有的用户信息，并结合用户实际需求构建出用户项目评分矩阵，建立与之对应的个性化推荐模型，并以算法形式将其表达出来，在实际分析过程中可通过聚类方法对其进行简化处理，并根据实际情况进行综合分析，将用户满意的结果按照权重不同将其表达出来[5]。

3 基于个性化的篮球训练推荐系统构建

3.1 系统模型

结合篮球训练系统实际需求，本研究构建的个性化篮球训练系统见图2。通过该系统可为篮球项目提供较为完善的训练服务。其终端系统采用ARM+各类传感器+WiFi芯片研制开发，采用UCOS实时操作系统。该技术允许高频高效采集运动员数据，并通过无线网络实时传输至指定AP接入点。采集系统设计采用C++ ACE Reactor + OCCI框架技术，该技术允许应用程序按任务模式监视网络数据请求，并通过多线程无差别处理数据报文和计算业务数据。

图2 个性化篮球训练系统

在体育教学中通过高清摄像设备进行篮球教学过程的捕捉，在此基础上可通过实际情况进行综合分析，判断实际训练过程中存在的问题。运动捕捉过程将收集到的信息进行统计分析，与标准数据库进行比对，在此基础上便可得到篮球动作存在的不规范之处，并对运动员运动过程进行参数化处理，对各个动作进行定量处理，使其成为运动员可理解的数据模式。并在实际锻炼过程中，将人体运动过程进行数字化建模后可对运动员的动作进行评判，各种细节均会被呈现出来。从多个角度进行观察分析，发现动作模型存在的不足，对该模型进行综合分析，得到对应的结果。

在系统中通过运动捕捉设备收集人体运动信息，运动捕捉设备需要具备一定追踪能力，并将收集到的篮球运动员的运动信息进行有效归类，得到相应的训练信息。在系统中首先需建立与篮球运动员运动过程相匹配的关节点模型，该模型主要针对运动员的运动过程进行综合分析，将运动员身体的各个关节点与模型部位对应，在此基础上得到相应的模型结构[6]。

国民经济发展中农业发展占据基础性地位，作为农业生产的重要组成部分，养殖业发展也受到现代社会的高度重视。目前社会群体的生活水平显著提升，对于食草动物及其产品的需求也呈现日益增长的态势，具有代表性的是牛羊。立足我国的基本国情，可明确草食动物食草优势的发挥，符合自然资源现状，能通过绿色化动物产品的发展，满足人类社会多元化的消费需求。

3.2 输入输出功能模块

3.2.1 输入模块

输入模块主要指输入推荐模型数据是与电商环境用户直接相关的内容，在实际应用中需尽可能收集用户相关数据，当搜集数据越多与用户联系越密切时推荐结果越精确。例如根据用户在训练中的录像、用户使用记录、搜索习惯等可掌握用户个人技术情况，若推荐模型无法获得用户相关数据，就需选择非个性化功能。

3.2.2 输出模块

输出模块主要向用户推荐生成的序列，其作用是为用户的选择提供参考建议。推荐序列有两种形式，一种是简单推荐某种项目，另一种是推荐多种混合项目。即为用户提供篮球训练个性化推荐结果，采用专家系统作为后台系统，对输入的数据进行处理，得出用户当前状况，并结合大数据数据库发现用户篮球训练中存在的不足，给出相应的训练计划和建议。

3.3 数据库模块

图3 数据库结构

数据库模块主要是进行系统数据处理及存储的核心模块，本系统在构建数据库模块时主要采用关系数据库作为系统数据库结构，在数据处理过程中对数据进行组织及结构化处理，并在实际分析中要进行海量信息的处理，因此在系统运行过程中其结果会愈加复杂，在此基础上导致系统结构也逐渐变得复杂，因此在设计关系数据库时刻意留有接口，保证系统可与外界实现有效对接，并且在数据处理过程中可有效提升数据处理效率。结合实际需求以及本系统功能需求，设计如图3所示的数据库模块。在数据库结构中可将其与用户终端连接起来，实现对篮球训练用户的信息服务，为用户提供多种个性化服务方案，在实际分析过程中还可结合用户个人访问系统历史生成用户日志，结合个性化推荐算法为用户制定专属训练计划，在此基础上进一步提升用户训练效果。同时该数据库还设有外接端口，可对其进行容量扩展和功能扩展，使系统满足后续需求和技术的变化，不至于在短时间内无法适应发展需求。

数据库在进行用户信息管理过程中采用信息表形式，用户在注册过程中系统会自动生成个性化推荐，该数据表在实际分析过程中包含多项信息，其中大多数信息与其他用户信息存在相同之处，但是用户名均不同，即将用户的各项信息与唯一用户名对应(表1)。

表1 用户信息表

InformationtableEnablebitYAuthoriteVacharNEmailVacharN

3.4 系统测试

对系统进行功能测试，判断其运行状况及运行效率。通过测试硬件设备及软件设备进行系统功能验证，在实际测试过程中主要是验证系统是否满足需求规格的定义，找出与需求规格不符或者与之有矛盾的地方，进而提出更加完善的方案。在系统实际测试过程中的测试器件见表2。

表2 测试器件

构建以上测试系统后对其登录注册功能、输入输出功能、数据处理功能、数据库功能、篮球个性化推荐功能等进行综合性判断，结果见表3。由表3可见，在实际分析过程中评分均在80分以上，各部分功能运行良好，尤其是个性化推荐模块可向用户推荐准确的用户信息，满足篮球训练实际需求。

表3 系统测试评分

4 结语

本研究针对当前篮球训练存在的问题进行分析，以计算机辅助方式构建出个性化推荐篮球训练系统。根据运动员实际情况制定合适的篮球训练方针，以促进我国篮球训练质量不断提升。系统通过个性化推荐算法作为数据处理算法，通过分布式结构构建系统各部分，在各部分的共同作用下实现对用户需求的有效分析，解决用户实际需求。通过测试得出本研究构建的系统具有一定可靠性和实效性。

[参考文献]

[1]林丽金,李文翔,杨俊贤,等.基于协同过滤在高校学习资源个性化推荐系统中应用研究[J].价值工程,2016(4):191-193.

[2]孙洁丽,朱智清,次晓峰,等.基于案例推理的个性化推荐系统数据源研究[J].河北省科学院学报,2017(1):8-13.

[3]曾姣艳.基于Web挖掘的个性化推荐技术在保险系统的应用[J].工程技术:文摘版,2016(6):302.

[4]应毅,刘亚军,陈诚.基于云计算技术的个性化推荐系统[J].计算机工程与应用,2015(13):111-117.

[5]丁沂.基于社会网络的个性化推荐系统研究[J].无线互联科技,2017(1):37-38.

[6]查英华,朱其慎.基于个性化推荐的移动学习系统构建[J].新课程研究旬刊,2015(9):7-9.