随着信息技术的飞速发展,尤其是近些年来,大数据、物联网、云计算等互联网技术的崛起,云服务已经逐渐被人们所熟知并深入到人们日常的生产及生活中去。然而,当用户面对海量功能相似的云服务时,不免会产生选择难的问题,也就是通常所说的“信息过载”。在电子商务领域,推荐系统早已成为解决“信息过载”问题的最好方法。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,为用户推荐符合其偏好的商品。推荐系统已在亚马逊、天猫等国内外主流电子商务网站有着出色的表现,并为公司带来了实际的效益。然而,云服务与传统商品有着本质的区别和其特有的属性。其中,云服务的QoS (Quality of Service)属性就可以用来客观地评价云服务的质量和特性,该属性是传统商品所不具备的,包括响应时间、吞吐量等评价指标,并具备区域性和瞬时性的特征,且传统推荐系统很少考虑到用户实体间量化的信任关系。本文结合云用户和云服务的特点,提出了一种在社交网络环境下基于信任的云服务推荐方法。该方法首先利用皮尔逊相关系数和雅克比系数进行云用户客观相似度的估计。然后,根据云用户实体之间的交互强度进行信任强度的计算,并考虑了云用户的直接信任、间接信任和混合信任关系,以及信任的动态性。最后,用所得到的信任强度对客观相似度进行增强和修正,寻找近邻云用户,计算目标用户空缺值,形成推荐列表。通过实验可以证明,本文所提出的推荐方法与传统方法相比,预测精度高。并通过参数调整,得到最优参数,验证了本文方法的收敛性和有效性。