互联网的普及和迅速发展,将人们带进数据信息的新时代,互联网信息数据呈指数级增长,极大的增加了人们获得自己所需要信息的难度,这就是信息过载。目前,有力解决信息过载的一个办法就是推荐系统。推荐系统能够根据用户的评分评论等数据预测用户潜在兴趣服务并推荐给用户,它在帮助用户获取网络信息方面发挥着极其重要的作用。目前,推荐方法都假定所有用户对服务评价标准是一致的,他们按照一致的评价准则对服务进行评价。然而由于消费背景、心理、爱好等因素影响,用户对服务的评分偏好不具有一致性,评价准则也不可能一致。如果对在线服务进行推荐时不考虑到用户评价准则的不一致性将导致向用户推荐服务的预测评分之间不可比较,从而使得推荐结果具有误导性。为了解决目前专家学者在研究推荐系统时所忽略的上述问题,本文提出面向不一致用户评价准则的在线服务推荐方法。根据用户对在线服务的偏好关系而不是传统评分为用户提供推荐服务,首先根据用户-服务评分矩阵获得每个用户对在线服务的偏好关系,通过用户的偏好关系度量用户之间的偏好相似度,并以此对服务进行评分预测,最后根据本文方法的预测评分的进行排序的结果作为最后的推荐结果。方法可解决用户评价准则不一致问题以及评价准则不一致而导致评分不具备可比较性问题。本文的主要工作包括:(1)由于用户评价准则不一致,不同用户对同一服务的评分不能直接进行比较。因此,本文将用户对服务的评分表达成用户对服务的偏好,以此来解决评分不具备可比较性问题。(2)根据用户偏好信息,定义用户之间的偏好相似度计算方法。并以相似度为基础进行服务评分预测及服务推荐。(3)通过实验论证面向不一致用户评价准则的在线服务推荐方法的优势和有效性。(4)根据算法设计并现实在线服务推荐系统。