云制造是借鉴云计算模式产生的一种面向服务的网络化制造新模式，具有面向服务、高效低耗等特点，是近年来先进制造领域研究的热点。按照云制造服务全生命周期划分，云服务包含服务描述、服务组合、服务匹配、服务推荐等阶段，其中服务推荐的目的是为了解决用户在海量数据中高效、准确获得满足需求的资源。而目前制造领域服务推荐并未达到预期的效果，如何在云制造环境下提高服务推荐的准确性是一个亟待解决的问题。本文结合云制造环境特点，联系服务推荐流程，在相关文献研究的基础上，对服务推荐方法进行了研究，通过对供应商服务描述和需求描述信息的相似度求解过程中，分析出云制造环境下服务推荐不准确的影响因素，然后对这些影响因素提出针对性的解决方案，从而提高制造领域服务推荐的准确性。本文的主要工作如下：　　首先，以传统制造服务推荐过程为例，分析影响推荐准确性特征现象和表现类型，总结影响推荐准确性的产生因素，以便更有针对性的解决这些问题。考虑到云制造服务质量信息不统一的特点，实际应用中制造服务描述不完整的问题，在传统通用评价指标的基础上，构建了基于领域的服务质量（QoS）描述模型。　　其次，从服务质量表现形式不同、服务质量数据缺失、权重设置三个方面改进推荐准确性：第一个方面，针对服务质量数据表现形式的不同，采用三角模糊数进行标准化处理；第二个方面，针对QoS数据缺失，通过分类处理，预测缺失值，在一定程度上，客观而有效的降低了缺失程度；第三个方面，考虑了服务质量评分多属性决策中权重设置的影响，同时结合主客观属性设置方法的优缺点，提出了主客观权重相结合的QoS匹配相似度计算方法，避免了单一因素造成权重设置不合理而导致服务推荐不准确的问题。　　最后，针对本文提出的制造领域服务推荐改进方法，设计了相应的实验方案，以机械领域中闸阀加工服务的推荐为例，验证了方案设计的可行性，佐证了本文所提出的主客观权重相结合的QoS匹配相似度计算方法的有效性，结果符合实际需求且在最优服务推荐结果的准确性上有了一定的提高，该方法还具有一定的适应性以及可拓展性。