近些年来,伴随着互联网的飞速发展与进步,使得以互联网为载体的在线服务数量和种类大量增加。目前在线服务已经在网上订餐、电子商务、网络购物、在线招聘、在线学习等领域迅速普及并得到广泛应用。因为不同的用户具有不同的消费心理、消费背景等,所以用户使用在线服务的过程中,致使用户偏好不一致以及评价准则不一致,从而导致用户对服务之间的评分无法比较。为了帮助用户迅速地选择符合需求的在线服务,需要一种客观的在线服务评价方法,通过该方法得到的在线服务评价结果,必须能够保证对在线服务评价的真实性、可靠性。针对上述问题,本文采用了一种基于Slater社会选择理论的在线服务评价方法,根据用户服务偏好对在线服务进行群体评价,从而帮助用户选择符合需求的在线服务。Slater方法的总体思路是:首先,利用协同过滤算法将稀疏的评分矩阵进行填充,使其数据完整;其次,根据填充后的评分矩阵计算每个用户对在线服务的偏好关系,得到服务-服务评价矩阵;再次,根据服务-服务评价矩阵得到服务优先队列表,根据服务优先队列表构造以服务为节点、以优先关系为有向边的有向图;最后,根据得到的有向图获得节点排序,具体步骤是:根据相似集、前集、后集的定义,在有向图中寻找相似集、前集、后集,并根据三者之间的关系:前集相似集后集以及三者内部节点的关系,节点的先后排序即服务的优劣排序,由此最终得出在线服务的排序。文中通过理论证明和相关对比实验证明了本文Slater方法得到的评价结果满足孔多塞性、单调性、反对称性和抗操纵复杂性等,从而验证了该方法的可靠性。根据需求分析,基于本文中的Slater方法设计并实现了在线服务评价原型系统,并对孔多塞性、单调性、抗操纵性等评价指标进行验证,以一种可视化的方式向用户展现了在线服务评价结果,可以有效地帮助用户选择合适的在线服务。