随着Web服务技术的发展,其相关产品以及技术越来越成熟,互联网上可用的Web服务越来越多,功能相似甚至相同的服务也出现在用户面前,面对如此众多的服务,如何选择出适合用户需求的服务变得越来越困难。围绕这一问题,优化推荐等算法被引入到了Web服务的选择过程中,在这些算法中主要将服务的QoS信息作为衡量服务优劣的重要标准来进行服务选择。这些算法从一定程度上提高了服务推荐的质量,但是难以满足用户的个性化需求。为解决这一问题,上下文感知技术被引入到服务推荐过程中,在服务推荐过程中通过对用户行为、喜好以及影响服务质量的上下文信息的分析,选择出适合当前用户的最佳服务列表。本文综合考虑用户历史行为记录、用户当前状态以及服务的QoS属性等上下文信息,给出了基于用户的协同过滤推荐算法、基于服务的协同过滤推荐算法、基于Qos信息的服务推荐算法以及基于时间加权的服务推荐算法这四种适合不同上下文情形的服务推荐算法,并且给出了基于不同上下文信息的推荐算法选择策略。上下文信息在服务推荐过程中起到两个重要作用,首先它决定服务推荐算法的选择,其次它作为推荐算法的重要参数直接影响服务推荐结果的生成。这种上下文感知的Web服务推荐算法选择和执行策略不仅实现了服务推荐算法选择的个性化,而且实现了服务推荐结果的个性化。最后对本文提出的推荐算法进行了实现,并设计实现了上下文感知的Web服务推荐系统。通过实验分析,从推荐结果的准确率、召回率以及覆盖率这三个方面验证了本文提出的服务推荐算法能够提高用户对服务选择的满意度。本文研究具有一定的理论和实际应用价值。