随着互联网的迅猛发展,Web服务提供商开发各个领域相关的Web服务,因此会存在大量功能相似的Web服务供Web服务销费者选择。消费者一是要关注Web服务是否满足业务逻辑,二是要关注QoS,即Web服务的质量。而如何在高质量的Web服务候选集中选择出满足用户个性化需求的服务是研究者们广泛研究的课题之一。通过对现有的Web服务评价方法的深入研究分析,针对现有方法只根据Web服务的QoS参数进行评价方法存在的问题,本论文考虑了用户个性化需求因素,提出了一种面向个性化需求的Web服务评价方法WSQEMBUI,从而进一步提高Web服务质量评价的准确率。在该方法中首先从Web服务中介服务器的使用日志中获取各个服务的使用情况数据,然后对数据进行预处理,根据Web服务使用信息数据为每一个服务建立评价概念树,评价概念树每个结点表示服务的一个评价因子,根据已经构建好的服务质量评价概念树找到一条与个性化需求因素接近的路径,即服务候选集,再计算路径上每一个评价因子的权重,最终给出每个服务的评价结果。本文又提出了结合了专家的先验知识的服务质量评价概念树的优化算法,这一优化算法主要是结合了专家设定评价因子权重与机器学习方法。最后,理论分析了本文的服务质量评价方法的可行性。最终通过实验验证了面向个性化需求的Web服务评价算法在一定程度上提高了Web服务质量评价的准确率。