近年来,Web服务广泛应用于整合和构建商业应用。当一个Web服务被发布和部署,客户端和其他应用就可以通过网络调用它。随着网络上Web服务数量的激增,用户如何发现满足他们需求的服务成为面向服务的计算中具有挑战性的问题之一。UDDI是传统的Web服务发布和发现标准,UDDI为用户提供了基于关键词的搜索机制,但是这种搜索机制过于简单并且不能阐释服务间的语义关系。为了准确而有效的实现Web服务的发现,需要对Web服务的功能和语义加以考虑。在当今占主导地位的服务描述和发现机制WSDL和UDDI的基础上,本文提出利用概率潜在语义模型(PLSA)去获取隐藏在服务请求和备选服务中词语背后的语义,以使得服务的匹配可以在概念层次进行。本文的主要工作和贡献在于:1研究比较了LSA,PLSA,LDA三种模型,并且利用PLSA模型对Web服务进行语义聚类,然后服务间的语义相似性计算就在同一个语义相关簇中进行;2基于WordNet词典计算服务名称,服务描述以及操作间的相似性,在相似性计算中赋予不同的权重,进而得到服务间的语义相似性;3利用LSA模型对PLSA模型的初始化进行了改进,并且对原始的PLSA和改进后的PLSA通过实验进行了比较;