随着社会的进步,体育健身越来越受到人们的关注。目前,运动者获得健身方案主要是通过健身教练与在线网络平台这两种方式。其中,前者存在花费高、实时性差等问题;后者虽然可以随时随地支持运动者获取健身方案,但其提供的无差别方案不能支持运动者的个性化运动需求。有鉴于此,本文采用本体推理与相似性融合计算方法,结合体育学总结出的运动处方知识集,研究并设计出一种面向运动者在实时状态、适用强度、阶段目标等个性化因素下的运动处方推荐系统。具体研究内容如下:首先,针对运动者个性化特征的描述,本文通过对运动处方制定过程及运动者需求进行分析,将运动者特征分为基本信息、体质状况、运动能力、运动目标、运动条件与运动偏好六种类型,并对每种类型进行细化,从而构建运动者模型。在此基础上,基于复合信息采集方式获取系统计算所需的数据,以满足运动处方推荐过程中对运动者数据的要求。其次,本文设计了一种基于本体推理与相似性融合计算的运动处方推荐方法。该方法,一方面利用本体规则推理的方式确定运动处方参数约束空间,其中采用的推理规则由体育领域制定运动处方的一般经验所转化,从而保证运动处方推荐的科学性与合理性;另一方面,通过对运动处方优质案例参数的相似性融合计算,获得约束空间内其效果更好、贴合性更高的个性化运动处方参数。同时,本文设计了一种校验策略来对处方参数进行检验。最后,本文通过实验对上述设计的方法进行了分析,实验结果表明,采用相似性融合计算的推荐方法相比传统基于合作的推荐方法,在运动处方推荐方面具有更好的整体性效果与稳定性。在此基础上设计并实现了个性化运动处方推荐系统,通过系统中运动者信息采集、运动处方推荐等功能模块的实现,验证了运动处方推荐方法的可用性与有效性。