在互联网技术的不断发展下,在线服务被广泛应用于Web服务、在线学习、电子商务、在线招聘等领域。同时互联网上也涌现出了众多功能相同或相似的在线服务,使用户选择出自己满意的服务需要花费大量的时间和精力。信誉反映了用户对在线服务的总体信任程度,是用户进行服务选择的有效参考依据。用户与在线服务交易后,根据个人体验对在线服务进行的反馈评分可被视为用户对服务的分类。由于不同用户的行为习惯和偏好不同,其对服务的分类具有明显的个性化特征。服务信誉作为在用户对服务分类基础上进行聚类的结果,在聚类过程中不考虑在线服务信誉度量结果与所有用户对服务分类之间的一致性关系,将导致通过聚合分类得到的信誉度量结果缺乏合理性。针对上述问题,本文采用评分矩阵作为基础度量数据,提出一种基于一致性聚类的在线服务信誉度量方法来解决因未考虑在线服务信誉度量结果与所有用户对服务分类之间的一致性关系导致的最终聚类的服务信誉级别划分不合理的问题。首先,基于用户-服务评分矩阵获取用户对服务的分类信息;其次,考虑到在线服务分类信息之间可能存在相似性,建立基于簇间和簇内相似性的最小成本生成树;然后,从具有最小相似度值的边开始对最小成本生成树进行切割,产生多种可能的聚类;最后,采用一致性质量函数和多数投票从多种可能的聚类中寻找整体质量高且非重叠的最终聚类,并以最终聚类为基础计算服务信誉。通过定义有效的服务评价标准对最终聚类的质量进行评估,来测量由聚合服务分类得到的最终信誉结果与所有用户对服务分类之间的匹配程度。该方法充分考虑了用户对服务分类与最终获得的信誉之间的一致性关系并使用户对服务的分类结果与获得最终聚类的信誉度量结果之间的匹配程度达到最大。本文方法的合理性与有效性在实验中得以验证。实验结果表明方法在不需要输入任何参数的情况下,既能自动计算出最终聚类中的聚类数量和信誉等级,又能提高抗操纵性,从而帮助用户在进行服务选择时做出正确的决策。最后,基于本文提出的一致性聚类在线服务度量方法,设计并实现了基于一致性聚类的在线服务信誉度量系统,可以一种简洁、可视化的方式向用户展现了在线服务的信誉度量结果。