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。