随着互联网的快速发展,基于面向服务体系结构的系统设计得到了广泛应用。而作为SOA体系结构的基础,Web服务以其松耦合、平台独立、以及可以不借助第三方软硬件的额外支持实现数据交换等特点,为世界范围内的信息传递和信息共享提供了关键资源。然而,伴随Web服务技术的普及与完善,互联网中Web服务的数量及种类也在大规模增加,并且出现大量在功能、质量及粒度方面多样的Web服务。因此,如何从庞大复杂的服务集中快速准确地发现满足用户查询请求的Web服务,已成为当前Web服务发现研究中亟需解决的关键问题。本文在现有工作的基础上,以用户语义功能需求为核心,通过语义聚类缩小服务检索范围,并基于词频、静态语义以及动态语义维度下的词向量表示构建文本匹配模型,以实现在全方面获取语义功能信息的同时快速准确地发现满足用户查询请求的Web服务。主要工作如下:（1）提出基于语义功能相似度的Web服务聚类匹配方法。根据用户查询的语义功能需求,首先对Web服务描述文件进行语义解析,分别提取服务描述、服务名称以及服务I/O接口数据信息,并采用PV-DM模型对服务描述进行向量化处理。在此基础上,选择三种基于划分、基于层次、以及基于密度的聚类算法,根据轮廓系数分析对比参数设置及算法性能,以选用最优聚类算法对Web服务进行分组聚合。最后,结合整体语义功能相似度进行Web服务类别匹配,从而将服务检索范围缩小至所匹配的Web服务分组。（2）提出基于多维词向量匹配的Web服务发现方法。首先,对标准文本匹配数据集进行预处理,包括数据过滤、关键词提取、基于词频、静态语义以及动态语义生成多维词向量表示,同时基于多维词向量构建相似度矩阵以生成训练输入样本。其次,应用卷积神经网络构建文本匹配模型,学习多维相似度矩阵与匹配等级之间的映射关系。然后,对所匹配的Web服务分组中的样本数据进行处理,将Web服务发现转化为文本二分类问题（匹配类或不匹配类）,并根据预测概率得分对预测匹配的候选Web服务进行排序,以找到最准确的Web服务,保证Web服务发现的准确性。（3）实验评估分析及原型设计开发。在OWLS-TC4标准测试服务集上从准确率和误差损失两方面对三组对比方法进行性能比较,从多角度分析验证了结合聚类算法与多维词向量匹配方法进行Web服务发现的有效性。此外,根据本文提出的基于语义聚类及多维匹配的Web服务发现方法流程,设计开发交互式Web服务发现原型,并通过示例对本研究方法进行模拟。