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
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。
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。
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。
绪论
1.系统分析
1.1需求分析
1.2所采用的技术关键
2系统总体设计
2.1总体功能
2.2处理流程设计
3系统详细设计
3.1概念结构设计
3.2数据库设计
3.3数据模块设计
4系统调试与测试
4.1测试环境简介
4.2测试目标
4.3测试方法
4,4程序测试
5结论
参考文献
致谢