1.一种面向群组的服务推荐列表生成方法，其特征在于，包括如下步骤：(1)根据目标群组G内用户的关系，构建用户关系有向图GrapG；所述用户关系有向图GrapG中的节点为群组内的用户；两个用户之间有消息发送则所述两个用户对应的节点之间存在路径，所述路径方向为所述两个用户之间消息的发送方向；

每个用户具有对群组G的信任权值，设用户ui的信任权值为(2)遍历群组G内的所有用户，计算每个用户与其他用户的不相关度，选取不相关度最大的p个用户作为质心用户kl，l＝1,2,…,p；所述用户ui的不相关度计算为：其中，

为用户关系有向图GrapG中用户ui,uj之间的路径实例数量；

为用户关系有向图GrapG中从用户uj出发再回到uj的路径实例数量；

(3)根据p个质心用户，将群组G划分为p个子组，每个子组中包含一个质心用户；G＝{SubG1,SubG2,…,SubGl,…,SubGp}，SubGl为第l个子组，包含质心用户kl；对每个子组建立分层分组模型，将所述子组划分为多个小组；

(4)待推荐服务集为：Item＝{item1,item2,…,itemm}；采集每个小组对待推荐服务集中每个服务的兴趣指数；在每个子组中构建推荐服务集评级矩阵，第l个子组的评级矩阵为：其中wl为第l个子组中小组的数量，m为待推荐服务的总数，Rab为第l个子组中的第a个小组ma对第b个待推荐服务itemb的推荐评级，a＝1,…,wl，b＝1,…,m；

第a个小组ma的信任权值 为ma内所有用户的信任权值之和；

rab为小组ma对服务itemb的兴趣指数；

(5)根据每个子组的评级矩阵，计算每个子组对待推荐服务集的推荐权重，包括步骤

501-503：

(501)计算每个子组SubGl与待推荐服务集Item的相关性S(Item,SubGl)：其中 为rab,rcd的余弦相似度；a,c＝1,2,…,wl；b,d＝1,2,…,m；

λ为调整时间参数，取值λ<1；tb为Item中第b个服务itemb在子组SubGl内的热度持续时间；

(502)计算子组SubGl与群组G之间的相关性Cl，包括步骤：获取子组SubGl内用户ui的在子组内的活跃指数Actui，计算每个子组的群组影响力因子，第l个子组的群组影响力因子Infl为：其中 是子组SubGl内用户ui的用户信任权重；

计算每个子组与群组G之间的相关性，第l个子组与群组G之间的相关性Cl为：其中i＝1,2,…,l,…,p，表示子组个数，Rab表示第a个小组mia对推荐项目itemb的推荐评级。

(503)计算每个子组对待推荐服务集的推荐权重，SubGl对服务集Item的推荐权重g(Item,SubGl)的计算式为：α为影响度参数，取值范围是[0,1]；

(6)计算每个待推荐服务的聚合指数，根据聚合指数的升序排列，得到服务推荐列表ListR，具体包括如下步骤：(6.1)计算每一个服务的聚合指数，其中第b个服务itemb的聚合指数D(itemb)的计算步骤如下：计算对服务itemb评级最大的子组 即当l＝Lb时， 取最大值；

计算D(itemb)：

其中wLb为子组 中小组的数量，βb为协同参数，β1+β2+…+βp＝1；

(6.2)对待推荐服务集Item中的服务按照聚合指数升序排序，截取排序后的前Ψ个服务组成推荐列表ListR，ListR＝{itemA,itemB,…,itemΨ}；

D(itemA)≤D(itemB)≤…≤D(itemΨ)，ListR∈Item，Ψ≤m。

2.根据权利要求1所述的面向群组的服务推荐列表生成方法，其特征在于，步骤(3)中对群组G划分子组的步骤为：遍历群组中所有的非质心用户，将质心用户kl作为簇心，与kl存在路径实例且路径实例数量大于1的用户划分到子组SubGl中。

3.根据权利要求1所述的面向群组的服务推荐列表生成方法，其特征在于，步骤(3)中在第l个子组内建立分层分组模型包括步骤：(301)将第l个子组中信任权值最大和最小的用户作为第一层，并分别划分为第1个小组和第2个小组；在第l个子组所有用户中去掉划分出的第一层用户，得到剩余用户集合Slr；

row＝1，team＝2；

(302)查看剩余用户集合Slr中用户的信任权值是否相同；如果不同，row的值加1，将剩余用户集合Slr中信任权值最大和最小的用户作为第row层，并分别划分为第team+1个小组和第team+2个小组，team的值加2；在用户集合Slr中去掉划分出的第row层用户；循环执行步骤(302)，直到用户集合Slr中用户的信任权值相同，并划分为第team+1个小组。

4.根据权利要求1所述的面向群组的服务推荐列表生成方法，其特征在于，步骤(502)中参数φ的取值为2。