加州大學(xué)圣地亞哥分校的計(jì)算機(jī)科學(xué)家開發(fā)了FitRec，這是一種基于深度學(xué)習(xí)的推薦工具，可以更好地估計(jì)跑步者在鍛煉期間的心率，并預(yù)測(cè)和推薦路線。該團(tuán)隊(duì)將于5月13日至17日在舊金山舉行的WWW 19大會(huì)上展示該作品。

研究人員用超過1000名跑步者的超過250000條鍛煉記錄的數(shù)據(jù)集訓(xùn)練FitRec。這使計(jì)算機(jī)科學(xué)家能夠建立一個(gè)模型，分析過去的表現(xiàn)，預(yù)測(cè)特定鍛煉時(shí)間和路線下的速度和心率。

FitRec還能夠識(shí)別影響鍛煉效果的重要特征，例如路線是否具有坡度以及用戶的健康水平。該工具可以為想要達(dá)到特定目標(biāo)心率的跑步者推薦替代路線。

它還能夠做出短期預(yù)測(cè)，例如告訴跑步者什么時(shí)候減速，以避免超過期望的最高心率。

他們是第一批收集和建模用于學(xué)術(shù)研究的大型健身數(shù)據(jù)集團(tuán)隊(duì)，但是，開發(fā)FitRec絕非易事，因?yàn)榻∩頂?shù)據(jù)集擁有大量的鍛煉記錄，但每個(gè)人只有少量的數(shù)據(jù)點(diǎn)。

加州大學(xué)圣地亞哥分校計(jì)算機(jī)科學(xué)與工程系教授Julian McAuley說，“個(gè)性化在健身數(shù)據(jù)模型中至關(guān)重要，因?yàn)閭€(gè)體差異很大，包括心率和適應(yīng)不同運(yùn)動(dòng)的能力。建立這種模型的主要挑戰(zhàn)是，人們鍛煉時(shí)的心率動(dòng)態(tài)非常復(fù)雜，需要復(fù)雜的技術(shù)來建模?！?/p>

為了建立一個(gè)有效的模型，計(jì)算機(jī)科學(xué)家需要一個(gè)使用所有數(shù)據(jù)學(xué)習(xí)的工具，但同時(shí)可以從每個(gè)用戶的少量數(shù)據(jù)點(diǎn)學(xué)習(xí)個(gè)性化動(dòng)態(tài)。于是使用一種長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）的深度學(xué)習(xí)架構(gòu)，研究人員將其應(yīng)用于捕獲數(shù)據(jù)集中每個(gè)用戶的各個(gè)動(dòng)態(tài)行為。

研究人員向網(wǎng)絡(luò)提供了來自endomondo.com的公共數(shù)據(jù)集的子集，這是一個(gè)應(yīng)用程序的網(wǎng)站，功能類似于鍛煉日記。在整理完數(shù)據(jù)后，研究人員整理了超過10萬份鍛煉記錄來訓(xùn)練網(wǎng)絡(luò)。

他們通過將FitRec的預(yù)測(cè)與不屬于訓(xùn)練數(shù)據(jù)集的現(xiàn)有鍛煉記錄進(jìn)行比較，以驗(yàn)證FitRec的預(yù)測(cè)。

在未來，F(xiàn)itRec可以接受其他數(shù)據(jù)的訓(xùn)練，例如通過用戶健康水平隨時(shí)間推移的方式進(jìn)行預(yù)測(cè)。該工具還可以應(yīng)用于更復(fù)雜的推薦路線，例如安全感知路線。

但為了將該工具用于商業(yè)健身應(yīng)用程序，研究人員需要訪問更詳細(xì)的健身追蹤數(shù)據(jù)，并處理數(shù)據(jù)的質(zhì)量問題。