摘 要

运动与社交是移动互联网中的一个全新且正在高速发展的领域，由于移动互联网、智能硬件等技术的日益发展与创新，以及国家经济水平的连续增长，参与户外运动的人群数量不断攀升，运动与社交愈加融合，人们通过互联网社交平台参与运动的兴趣会逐渐提高，而基于协同过滤的推荐算法的最简单和最初的实现是把其他具有相似口味的用户的项目推荐给当前用户。例如，如果用户参与或发起了标签为瑜伽的运动项目，那么系统可以学习从这种类型中推荐瑜伽相关的运动项目给到该用户，推荐算法使用有关用户兴趣的输入来生成推荐项目列表。

本课题围绕精准高效，基于协同推荐，深度挖掘用户兴趣等方面，研发一个采用Python实现的个性化推荐算法以及基于DigitalOcean云服务器和Docker虚拟化技术的运动社交平台系统和一个主流移动平台的运动社交iOS应用软件客户端，主要包括以下几个方面：

1） 研究将天气、地理位置等外在因素与用户的运动标签、运动爱好和用户间的社交关系等内在因素结合起来，使用基于的协同过滤推荐算法进行精准的运动项目推荐。

2） 通过合理运用iOS移动客户端内建的消息推送机制，建立基于移动平台的完整个人运动方案，达到可以在指定时间推送提醒的目的，从而全面改善国民运动习惯并且提升个人运动质量。

关键词：运动社交；协同过滤；基于位置服务

Abstract

Sports and socialization are a new and rapidly growing area in the mobile Internet. Due to the increasing development and innovation of mobile Internet and intelligent hardware, and the continuous growth of national economic level, the number of people involved in outdoor sports has been rising, and sports and social integration have become more and more. People's interest in participating in sports through the Internet social platform will gradually increase, and the simplest and initial implementation of the collaborative algorithm based on collaborative filtering is to recommend other users with similar tastes to the current user. For example, if a user participates in or initiates a sport with a label for yoga, the system can learn to recommend yoga-related sports from this type to the user, and the recommended algorithm uses the input of the user's interest to generate a list of recommended items.

This thesis focuses on the development of a personalized recommendation algorithm based on Python and the sports social system based on DigitalOcean cloud server and Docker virtualization technology and a sports social application of a mainstream mobile platform, based on accurate and efficient, based on collaborative recommendation, depth mining of user interests and so on Software, including the following aspects:

1) study the weather and other external factors and the user's sports hobbies and other internal factors combined with the use of collaborative filtering recommended algorithm for precision sports recommended.

2) Through the rational use of mobile client built-in push mechanism depth, the establishment of a mobile platform based on the complete personal motion program, to achieve the desired time to remind the purpose of the push, so as to comprehensively improve the national sports habits and enhance the quality of individual sports.

Key Words： exercise based on social networking; collaborative recommendation; location based service

目 录

摘 要 3

目 录 5

第一章 绪论 7

1.1 课题背景和意义 7

1.2 国内外研究现状 8

1.2.1 推荐系统概述 8

1.2.2 内容推荐系统 9

1.2.3 混合推荐算法 10

1.2.4 推荐算法评估 10

1.3 课题研究目标 11

1.4 论文结构 12

第二章 运动社交系统分析与设计 14

2.1 需求分析 14

2.2 可行性分析 16

2.2.1 经济可行性 16

2.2.2 技术可行性 16

2.2.3 安全可行性 16

2.3 系统性能要求 17

2.4 前瞻性分析 17

2.5 本章小结 18

第三章 推荐系统特征分析与实现 19

3.1 基于协同过滤推荐 19

3.2 运动社交推荐算法实现 20

3.3 实验数据分析 22

3.3.1 实验数据集 22

3.3.2 实验环境 23

3.3.2 实验结果分析 24

3.4 本章小结 25

第四章 运动社交平台技术架构与实现 26

4.1 开发环境介绍 26

4.2 系统整体架构 26

4.2.1 架构概要 26

4.2.2 功能模块分解 27

4.3 技术方案 28

4.3.1 服务端 28

4.3.2 iOS手机客户端 29

4.3.3 服务器-客户端通信格式 31

4.4 数据库设计 32

4.5 功能实现 34

4.6 本章小结 35

第五章 总结与展望 36

5.1 总结 36

5.2 展望 36

参考文献 38

致 谢 40

第一章 绪论

1.1 课题背景和意义

户外运动产业最早由欧美发展而来,我们国家随着经济实力和国民身体素质的不断提升,通过社会化方式参与运动的人群数量不断增长。通过社交网络分配“好友”是激励人们锻炼的高效方式。课题研究人员能够使用同行的积极线索来创建一个社交网络，激励每一个链接中的每个人进行更多的运动。随着研究的进展，“伙伴系统”的动机效益导致了新的运动的增加，创造了更广泛的志同道合的运动爱好者的社交网络。推荐系统中的用户可能有非常多样化的目标和特性。运动信息就可以以各种方式进行结构化，再次选择要建模的信息取决于推荐技术。在协同过滤中，用户就可以被建模为包含用户为某些运动项目提供的评级的简单列表。

本课题来源于武汉理工大学自主创新研究基金的“基于协同推荐的运动社交App”项目，编号2015-JSJ-B1-07。

1.2 国内外研究现状

1.2.1 推荐系统概述

推荐系统来源于个人需要经常依赖别人提供的建议，从而作出日常决策。例如，当选择要阅读的书籍时，通常依赖同行或者该领域的专家推荐的内容;雇主在重新作出决定时依赖推荐信;当选择要观看的电影时，个人倾向于阅读并依赖豆瓣或者时光网电影评论家撰写的电影评论，并出现在他们阅读的新闻首页中。