针对传统基于服务质量(QoS)预测的推荐方法较少考虑服务间的排序对产生推荐列表的影响,不能准确体现用户偏好的问题。本文提出了一种基于QoS排序学习的服务推荐算法,选用计算复杂度较低的成列损失函数来优化矩阵因式分解模型,并通过挖掘用户间的近邻信息来进一步提高QoS排序的准确性。在真实数据集上的大量实验表明,该算法具有良好的性能。