多因子决策推荐系统的核心逻辑是对多个影响推荐结果的维度分别打分，再根据每个维度的权重计算综合得分，最终按得分高低排序输出推荐结果。这种方案不需要依赖复杂的机器学习模型，在前端就能快速实现，适合轻量化的推荐场景。
核心概念说明
实现前需要先明确几个核心概念：
- 推荐因子：影响推荐结果的具体维度，比如商品的价格、评分、销量、用户偏好匹配度等，每个因子都可以单独量化打分。
- 因子权重：每个推荐因子的重要程度，所有权重的总和一般为1，权重越高说明该因子对推荐结果的影响越大。
- 综合得分：单个推荐项所有因子得分乘以对应权重的总和，得分越高排序越靠前。
实现步骤
1. 定义推荐因子和权重
首先根据业务场景确定需要参考的推荐因子，并分配对应的权重。以下以电商商品推荐为例，选择价格、评分、销量三个因子：
// 定义推荐因子及对应权重，权重总和为1
const factorWeights = {
price: 0.3, // 价格因子，权重0.3
score: 0.5, // 评分因子，权重0.5
sales: 0.2 // 销量因子，权重0.2
};
2. 因子得分归一化处理
不同因子的数值范围差异很大，比如价格可能是几十到几千，评分是0到5，销量是0到上百万，直接相加没有意义，需要先把所有因子的得分归一化到0到1的区间。
/**
* 价格因子归一化处理
* 价格越低得分越高，这里设定最高价格上限为1000，超过1000的得分都为0
* @param {number} price 商品价格
* @returns {number} 归一化后的得分，范围0-1
*/
function normalizePrice(price) {
const maxPrice = 1000;
if (price >= maxPrice) return 0;
return 1 - price / maxPrice;
}
/**
* 评分因子归一化处理
* 评分范围0-5，直接除以5得到0-1的得分
* @param {number} score 商品评分
* @returns {number} 归一化后的得分，范围0-1
*/
function normalizeScore(score) {
return score / 5;
}
/**
* 销量因子归一化处理
* 设定最高销量上限为10000，超过10000的得分都为1
* @param {number} sales 商品销量
* @returns {number} 归一化后的得分，范围0-1
*/
function normalizeSales(sales) {
const maxSales = 10000;
if (sales >= maxSales) return 1;
return sales / maxSales;
}
3. 计算单个商品综合得分
将每个因子的归一化得分乘以对应的权重，再求和得到综合得分：
/**
* 计算单个商品的综合推荐得分
* @param {Object} item 商品对象，包含price、score、sales属性
* @returns {number} 综合得分
*/
function calculateItemScore(item) {
const priceScore = normalizePrice(item.price) * factorWeights.price;
const scoreScore = normalizeScore(item.score) * factorWeights.score;
const salesScore = normalizeSales(item.sales) * factorWeights.sales;
return priceScore + scoreScore + salesScore;
}
4. 批量计算并排序输出推荐结果
对所有的待推荐商品计算综合得分，然后按得分从高到低排序，得到最终的推荐列表：
// 待推荐的商品列表
const goodsList = [
{ id: 1, name: '无线耳机', price: 299, score: 4.8, sales: 3200 },
{ id: 2, name: '机械键盘', price: 499, score: 4.9, sales: 1500 },
{ id: 3, name: '便携充电宝', price: 129, score: 4.6, sales: 8900 },
{ id: 4, name: '游戏鼠标', price: 199, score: 4.7, sales: 4500 },
{ id: 5, name: '显示器支架', price: 899, score: 4.5, sales: 600 }
];
// 计算每个商品的综合得分并添加到商品对象中
goodsList.forEach(item => {
item.totalScore = calculateItemScore(item);
});
// 按综合得分从高到低排序
const recommendList = goodsList.sort((a, b) => b.totalScore - a.totalScore);
console.log('推荐结果列表：');
recommendList.forEach((item, index) => {
console.log(`第${index + 1}名：${item.name}，综合得分：${item.totalScore.toFixed(3)}`);
});
扩展优化方向
上述是基础实现，实际使用中可以根据需求做更多优化：
- 支持动态修改因子权重，用户可以根据自己的偏好调整不同因子的重要程度。
- 增加更多推荐因子，比如用户历史点击、收藏、购买记录匹配度等，提升推荐的精准度。
- 对特殊因子做特殊处理，比如库存为0的商品直接过滤，不参与推荐排序。
- 加入时间衰减逻辑，近期的销量、评分对得分的影响更高，避免旧数据干扰推荐结果。
JavaScript推荐系统多因子决策权重计算修改时间：2026-06-19 02:36:32