服务机器人的诞生为我们的生活提供了便利,随着大数据、云计算等技术的迅速发展,服务机器人可以将计算密集型任务卸载到云端执行,并获取海量数据资源。服务机器人云平台是机器人技术与互联网技术相融合而产生,为用户提供基于网络的机器人接入、监控、管理、数据分析、控制优化等专业化服务的一种软件服务平台。需要建立一种服务机器人云平台服务质量评估体系来辅助其进行全面的评估,使服务机器人云平台与云服务机器人更好地结合。服务机器人虽然能够连接云平台调取算法服务,但在面对云平台中海量的算法时却无法从中进行自主选择。而推荐系统不仅可以解决海量信息难处理的问题,还可以为每一个使用者进行满足其自身特性要求的事物推荐。本文通过对服务机器人及服务机器人云平台的特性进行研究,来完成对服务机器人云平台的服务质量评估。并且对推荐系统相关技术原理进行研究,根据目前推荐系统存在的特点和难点进行了详细的分析。提出将深度学习与服务机器人云平台算法推荐业务进行结合,利用深度学习强大数据处理能力,为推荐系统提供可靠的数据来源,同时提高推荐的准确性,可解释性以及个性化程度。本文的主要工作如下:（1）通过对软件、网络、服务机器人三方面QOS指标展开研究,通过总结分析,得出一种服务机器人云平台服务质量指标体系。基于该体系能够辅助云平台对自身进行评估,以便为云服务机器人提供更好的服务。（2）将服务机器人云平台算法推荐业务与DIN模型进行结合,在其中加入了MLP神经网络,构建出基于深度学习的推荐系统模型。通过该模型向接入云平台的服务机器人推荐符合其功能且性能较好的算法组合,无需通过人为在海量算法库中为服务机器人寻找出一一对应功能的算法,并且避免了由于人工失误所产生的算法误差和性能不高等问题。从而加强了推荐的准确性和可解释性,为服务机器人提供更准确的算法推荐。（3）将利用PSO算法进行参数优化后的LSTM神经网络应用于服务机器人云平台算法序列推荐中,对服务机器人云平台为云服务机器人推荐的算法组合进行处理,使得其内部算法排列方式符合服务机器人的功能顺序要求。使结果精确度更高,性能更强,且收敛速度也有了较大的提升。（4）对服务机器人云平台算法服务推荐系统进行设计与开发,将推荐系统在实际云平台业务场景中进行应用,并将推荐结果进行可视化展示。