随着互联网的发展和应用的不断延伸,互联网上的应用和资源呈现出跨组织性、技术多样性、异构性等特点,而传统僵硬、紧耦合的应用集成方式无法适应开放、多变的环境。服务计算作为一种新兴的分布式计算模式给开放环境下的分布式应用集成问题带来了曙光。面向服务架构通过发布-查找-绑定的模式为使用服务资源提供了基本保障,但是服务所具有的使用者与提供者相分离的特征增加了用户理解、得到及使用所需服务的难度。特别是当用户的需求随着应用构造过程的演进而变化时,如何让用户及时的得到合适的服务是一个需要解决的问题。该文首先提出了利用可定制的语义模板来为Web服务进行语义标注的方法,从而提高了服务资源的可理解性,为服务的选取和推荐提供了基础;其次,提出了一种基于贝叶斯网络的用户行为模型,该模型能准确地反映用户的执行动向;然后为了解决同种服务类型内多个服务的偏好问题,提出了基于向量空间模型的用户兴趣模型;接下来,改进了经典的关联规则挖掘算法Apriori算法,并将它应用到服务个性化推荐中;最后,给出了服务个性化推荐系统的实现原型。通过试验表明,该个性化推荐系统有较好的推荐效果,可以满足用户不断变化的各种需求。