结合上下文信息和支持向量机（SVM），提出了一种基于隐含上下文支持向量机的服务推荐方法。首先，根据用户所处的不同上下文信息对用户评分矩阵进行修正，使其带有隐含的上下文信息；其次，将带有隐含上下文信息的服务评分向量作为服务的特征向量，构建训练集，上下文信息的引入并没有增加服务特征向量的维数；然后，根据训练集使用SVM获得目标用户的分类超平面，构建SVM预测模型；最后，计算目标用户未使用服务的特征向量点与超平面的距离，综合考虑该距离以及相似用户的推荐，做出服务推荐。实验结果表明，所提推荐方法在不同的评分矩阵密度下均具有较好的推荐精度，并且能够缩短推荐时间。
