随着互联网的迅速发展,云计算技术受到了学术界和工业界的普遍关注,由此衍生的云计算环境下的云服务也受到了普及与推广。云服务是一种部署在云端的虚拟商品,大量功能属性相同而非功能属性不同的云服务往往使用户难以选择。这其中,用户满意度对云服务的生存起到决定性的作用。因此,如何寻找一个使用户满意的最佳服务成为了当今云服务领域里亟待解决的问题。云服务推荐算法通过用户的行为特征来挖掘并预测用户的个性化偏好,为用户形成符合其偏好的推荐列表,以此生成的云服务推荐系统是解决上述问题的关键所在。在本文中,我们考虑到用户在进行云服务选择时相似用户带来的影响,以及自身对于云服务选择的态度和期望,提出了一种综合考虑用户相似性及满意度的云服务排序推荐方法。这种方法将有助于发现具有最高用户满意度的云服务,并将其推荐给相应用户。本文提包括以下两个主要工作:(1)在计算用户相似性时,提出了基于Jaccard因子的增强型排序相似性度量方法,这种方法可以更加准确地度量用户间的相似性,经过实验,由这种相似性度量方法产生的推荐结果不仅在数值方面有很高的精确度,还在结果排序上取得了很好的表现;(2)在云服务预测过程中,提出了用户满意度度量方法,这种方法可以模拟用户在云服务选择时的态度和期望,还设计了综合用户相似性和满意度的云服务排序推荐过程,以得到更加准确、具有更高用户满意度的推荐结果,实验结果表明,本文所提出的推荐方法与现有方法相比,预测精度更高,且能够通过参数调整满足各类用户的偏好,方法具有很强的适用性和有效性。