近年来,随着互联网技术的快速发展,在线服务规模显著增长。互联网中存在大量功能相同或相似的在线服务,用户需要花费大量的时间在众多服务中选择满意的在线服务,通过在线服务评价方法可以帮助用户更好地选择在线服务。现有研究方法假设用户具有相同的评价准则,但是用户的消费爱好和消费习惯都不相同,这导致每位用户对在线服务的评价准则在实际中是不同的。在不同评价准则下得到的同一服务的用户评分是不具备可比较性的,根据不可比较的在线服务评分获取的在线服务评价结果无法反映在线服务的真实性能,会出现误导用户选择在线服务的情况。为解决上述问题,本文采用了一种基于Plackett-Luce模型的在线服务评价方法。该方法基于用户评价准则不一致的情况,通过概率的方法将不可比较的在线服务评分转化为最终的在线服务评价结果。首先通过Plackett-Luce模型基于用户服务评分获取每位用户对不同在线服务的偏好值;其次在同一用户评价准则下,根据偏好值获取每位用户对所有的服务的偏好关系;然后通过偏好关系获取在所有用户偏好下每个在线服务的占优次数并将其标准化;最后建立Plackett-Luce模型的对数似然函数以及排名概率迭代函数,迭代占优次数标准化后的值获取每个在线服务最终的评价结果,根据评价结果对在线服务进行排名并帮助用户选择在线服务。如果存在一个最优的排名,因为在Plackett-Luce模型的在线服务评价方法中每个阶段选择的在线服务都是当前排名第一位概率最大的在线服务,所以最终得到在线服务评价结果概率也是最大的,是最接近真实排名的结果。实验结果表明本文方法可以在用户评价准则不一致的情况下解决用户服务评分不可比较问题。同时实验结果表明本文方法满足反转对称性、单调性、和抗操纵性、Kendall tau距离以及多数准则实验验证,所以本文方法最终得到的在线服务评价结果是有效的。最后基于本文提出的在线服务评价方法,设计了一个在线服务评价系统。