随着互联网技术的迅猛发展,在线服务得到快速普及,广泛应用于Web服务、电子商务、电子政务和在线学习等领域。然而,随着在线服务数量的不断增加,用户选择满意的服务面临多种挑战:首先,巨增的在线服务数量使得用户不可能与所有服务进行交互,导致用户难以获得所有服务的完整信息;其次,由于受利益驱动,某些用户或在线服务提供者可能提供虚假的服务信息。因此,研究一种客观有效的在线服务评价方法对帮助用户进行服务选择决策非常重要。Top-k在线服务评价场景指用户群体共同决策以选择指定数量的服务集合,其评价结果需充分体现每个用户的满意度。然而,考虑用户评价准则不一致的在线服务评价通常以服务的完整排序作为评价结果,而不是选择出使用户群体满意度最大的Top-k服务集合,使评价结果难以满足Top-k在线服务评价场景的合理性和公平性需求。其次,由于用户对不同服务的评价准则是不同的,导致用户评价信息不可比较,使得假设用户具有相同评价准则的评价方法的结果缺乏一定合理性。考虑到现有研究不适用于Top-k在线服务评价场景的情况以及由于用户评价准则不一致导致用户评价信息不可比较的问题,本文提出一种用户群体满意度最大化的Top-k在线服务评价方法。方法首先定义用户群体满意度指标以衡量选择的k个在线服务的合理性,其次考虑用户评价准则不一致及用户偏好信息不完整的情况,采用Borda规则将用户对在线服务的偏好关系构造为用户-服务满意度矩阵,然后借鉴Monroe比例代表思想将Top-k在线服务评价问题建模为寻找最大化用户群体满意度的在线服务集合的优化问题,最后采用贪心算法对该优化问题进行求解,将得到的在线服务集合作为Top-k评价结果。通过理论分析和仿真实验对所提方法的合理性和有效性进行了验证。理论分析表明该方法满足Top-k在线服务评价所需的比例代表性和公平性。同时,实验结果也表明该方法能在合理的时间内获得接近用户群体满意度理想上界的评价结果,可有效辅助用户群体做出正确的服务选择决策。另外,该方法中用户对服务的偏好序既可以是对服务的完整排序,也可以为截断排序,从而为解决偏好信息不完整情况下的在线服务评价提供了新的思路。论文还基于提出的Top-k在线服务评价方法,设计并实现了基于群体满意度的Top-k在线服务评价系统。