第一部分(main.js)
生成模拟数据
规则
规则如下:
商品的综合评价分数(grade)占30%的权值
商品的更新时间(updateTime)占10%的权值
商品的价格(grade)占10%的权值
商品和用户搜索内容的相似度(similarity)占40%的权值
商品的所在城市和用户注册的城市(city=cityOfUser)占3%的权值
商品的所在城市和用户访问城市(city=visitCity)占7%的权值
总权值(weight)越高,推荐排名就越靠前
核心计算规则
将数据排序并保存到本地
保存的本地数据:
CommodityData是生成的用于模拟真实情况的商品数据
userData是生成的用于模拟用户的数据
searchRecordData是根据userData生成的模拟用户搜索记录的数据
sortOfWeight是根据searchRecordData和权重规则将CommodityData重新排序的数据
recommend是抽取sortOfWeight权重前十的数据,模拟推荐的内容
第二部分(builder.js)
生成模拟数据的函数细节:
添加预设的商品名称
。。。。。。。。。。。。。。
。。。。。。。。。。。。。。。。。