随着服务的兴起,越来越多的服务被不同的开发商发布到网络上,完成相似功能的服务也越来越多。为了使提供给用户的服务更满足用户的需求,需要进行服务评价。服务评价作为服务发现和服务组装的基础,成为目前的一个研究重点。服务评价是指通过一套评价标准对服务质量进行计算,以反馈给用户更满意的服务。传统的服务发现方法并没有提供相应的服务评价方法,用户只是根据自己的经验对自己需求的服务进行选择。而随着服务的增加,用户对于服务评价方法的需求越来越迫切,因此出现了大量的服务评价模型来对服务进行评价。但是对于不同的用户、不同的服务,已有的服务评价方法通常都使用统一的模型来对服务进行评价,可不同的用户对于需求的服务可能是使用在不同的领域,对于服务的需求都存在着自身的偏好,这种自身的偏好在传统的服务评价方法中是没有体现的。为了解决上述问题,本文提出了一种CFSEM服务评价方法对服务进行评价,通过对传统的协同过滤方法进行分析,引入了基于用户-项的协同过滤算法,实现对服务评价因子的评价预测,并使用熵的方法计算服务评价因子在服务综合评价中所占的权重。之后根据服务评价因子的加权和得到服务综合评价值,根据评价值的高低向用户推荐服务。最后设计了一个服务推荐系统,该系统实现了对用户未评价过服务的挖掘,即实现了对用户未评价过服务的评价预测。之后提出的服务评价方法进行了实验,并且验证了该方法的可行性。