在SOA领域中,QoS一直是备受关注的研究课题。目前,大多数研究人员使用服务信誉来判断一个服务的整体质量,而服务信誉则被定义为服务消费者对服务评价的均值。虽然很多学者在这方面做了非常多的研究,但是始终无法克服信誉评估的两个核心问题:服务消费者评价的主观性和服务消费者评价的稀缺性。主观性体现在服务消费者的评价完全出自他们自身的判断,这些评价很有可能是不准确的,甚至带有偏见或恶意;稀缺性体现在服务消费者不一定乐于对服务做出评价,因为评价是人工行为,需要服务消费者付出额外的人力成本。为了解决这两个问题,本文提出了一种基于客观自动反馈的服务信誉评估模型。该模型完全摒弃了服务消费者评价这一主观行为,而是使用社会学和统计学理论基于一些可以实时搜集的客观存在的信息对服务信誉进行评估。同时,因为不再需要服务消费者的主观行为,所以对反馈的搜集可以实现自动化,从而解决了以上两个问题。另外,该模型还引入了对某些可度量的QoS属性的支持。服务消费者可以提出自己的QoS约束,该模型会找到满足约束且信誉最好的那些服务。另一方面,本模型虽然避免了传统用户评价的主观性和稀缺性,但是对客观自动反馈的使用却引入了另一个问题:调用欺骗。本文介绍了调用欺骗这一问题的产生背景并提出了一种基于概率分布的识别过滤调用欺骗的解决方案。最后,本课题实现了该模型的原型系统并通过实验数据展示该模型的效果。实验数据表明,本文提出的服务信誉评估模型可以很好的对服务质量做出评价,而对可度量QoS属性约束的支持可以帮助服务消费者找到真正满足他们需求的服务。在今天这种SOA日益成熟、服务种类及数量快速增长的环境下,由以上两部分组成的服务推荐算法具有非常重要的意义,因为它能够帮助服务消费者找到合适的高质量的服务,这是一切SOA应用的基础。在学术方面,本文创新性的基于客观自动的反馈使用社会学和统计学原理进行服务信誉评估,拓展了QoS领域的研究思路。在业界方面,本课题实现的可扩展的原型系统允许第三方使用自己的QoS属性搜集和计算方法,甚至支持服务信誉评估算法的替换,从而提供了一个定义良好、架构灵活的QoS应用平台。