伴随着互联网技术的迅猛发展,网络上的在线服务数量也随之大量增加。用户在面对大量提供了相同或相同相似功能的在线服务时,难以选择适合自己的在线服务。在线服务信誉可用于辅助用户选择适合的服务。信誉是对在线服务已有质量或特性的综合度量,反映在线服务履行其承诺服务的水平以及用户对它的总体信任程度。由于每个在线服务本质上可以通过其自身的真实质量被客观评价,因此存在潜在的真相服务排序。而现有的在线服务信誉度量方法未考虑潜在的真相服务排序,所以,为了使用户进行服务选择时有真实客观的在线服务信誉排序作为参考,服务信誉应当尽可能地接近真相服务排序。为了解决上述问题,本文提出一种面向误差最小化的在线服务信誉度量方法。考虑到用户通过自身观察对在线服务的信誉进行排序,因此用户对在线服务的信誉排序与潜在的真相服务排序存在一定的误差。为此,方法将用户对在线服务的信誉排序视为对潜在的在线服务真相排序的带噪估计。首先利用Kendall tau距离指标计算顺序不一致的成对服务的数量,以此来衡量服务排序与真相排序之间的误差。然后假设在线服务的真相排序与用户对服务的偏好排序集合之间存在一个平均误差上限,找到不超过该平均误差上限的服务偏好排序,作为可能的真相服务排序集合。最后找到与这个真相服务排序集合之间的平均误差最小的服务排序。由于所有可能的服务偏好排序都有可能成为真相服务排序,造成了该方法的计算困难问题,本文通过分支切割法对问题进行优化求解。以真实数据集和模拟数据集为基础,通过实验验证了该方法在保证运行效率以及抗操纵性的同时,可以得到与真相服务排序误差更小的在线服务信誉排序结果。此外,根据本文提出的在线服务信誉度量方法,设计并实现了面向误差最小化的在线服务信誉度量系统。