选题依据：运动在我们的生活中是不可缺少的部分，但是随着科技时代的发展人们的生活被越来越多的电子产品所替代，越来越多的成年人以孩子都成为了“低头一族”。体育运动是在人类发展过程中逐步开展起来的有意识地对自己身体素质的培养的各种活动。采取了各种走、跑、跳、投以及舞蹈等多种形式的身体活动，这些活动就是人们通常称作的身体练习过程。但是每个人根据自己身体情况的不同，都会适合做不同的运动，才能达到良好的运动效果，如果运动者不根据自身的实际情况就盲目的做运动，那么很容易做的运动不适合自身的情况，这样的运动效果就非常不好，甚至还会对身体造成损伤，所以需要有一个更全面的体育推荐系统为我们进行科学的推荐。
在现今的体育运动推荐软件在如何选择合适的运动类型，现有技术中没有能够进行有效推荐，运动用户只能够自行选择锻炼项目，但是如果距离上一次运动太久之后，用户很难做出选择，做出的选择也未必科学，难以满足人们的多变的需求。
所以，现有技术中缺乏一种能够在用户不能够长时间形成体育运动系统、时不时进行体育运动的状态下有效的推荐体育运动类型的技术。所以我们更加需要一个基于大数据的体育运动的推荐系统。

2．课题的基本内容    
基于大数据体育运动的推荐与实现:
随着社会的进步，人们越来越注重自身的身体健康状况，在众多的体育运动信息中，运动者如何选择适合自己的体育运动项目是重中之重。基于此认识，本文首先通过调研总结出系统需求以及对各功能模块运作流程的分析，在此基础上设计并实现出一个面向个性化应用特征的体育运动推荐系统，以便于使用运动数据和用户与系统的交互数据，为运动者推荐个性化体育运动。
协同过滤推荐技术一般采用最近邻技术，利用用户的历史喜好信息计算用户之间的距离，然后 利用目标用户的最近邻居用户对商品评价的加权评价值来预测目标用户对特定商品的喜好程度，系统从而根据这一喜好程度来对目标用户进行推荐。基于协同过滤的推荐系统可以说是从用户的角度来进行相应推荐的，而且是自动的即用户获得的推荐是系统从购买模式或浏览行为等隐式获得的，不需要用户努力地找到适合自己兴趣的推荐信息。
难点：数据库的处理，信息流的收集。

创新点：在这个大环境并不是很好的当下，我们可以选择室内更加适合、科学的运动项目。

3．课题的重点、难点及创新点
第一，本文把用户群体划分为健康群体和患病群体，将基于用户的协同过滤算法和基于内容的推荐算法进行加权融合，使用用户对体育运动的评分数据，为两种群体推荐个性化体育运动。为了确保健康群体和患病群体的健康性，采用Karvonen公式计算出最大、最佳和最低运动强度，以及采用统计学方法为全方位身体锻炼提供科学的参考依据。
第二，根据用户生理特征数据的余弦相似度，在推荐结果中给适合运动者的运动项目贴上“荐”标签。针对患病群体，首先构建疾病领域本体，再通过Wu-Palmer算法和基于语义距离概念相似度算法的加权融合，形成基于疾病领域本体的概念相似度算法，最终计算出与运动者疾病相似度高的其他用户群体。　　
第三，在系统实现方面。系统前端采用HTML5技术、CSS样式表、以及Bootstrap框架，以达到良好的用户体验感；服务器端使用了适合于Web开发的Java语言和智能算法计算的Python语言，以及用来处理简单数据源的SSM框架，该框架利于业务的扩展与项目的维护，极大地方便了系统的研发。　　
第四，综合以上理论与技术分析，对个性化体育运动推荐系统进行需求分析、推荐框架设计、功能模块设计、数据库设计、编码实现并运用软件工程中的测试方法对该系统测试，包括功能测试和兼容性测试等。对该系统进行模拟数据实验，结果表明该系统能够达到个性化推荐的良好效果。