Web服务是一种崭新的Web应用,是SOA(Service-Oriented Architecture)架构的核心。在Web服务以及SOA中,存在三种基本操作:服务发布、服务发现和服务绑定╱调用。服务发现是整个过程中的关键步骤。当用户输入关键词查找自己所需的服务时,用户需求上存在的非确切表达以及用户所表现的不同兴趣将在很大程度上影响服务发现的效果。为此,研究更有效的Web服务发现变得越来越重要。在信息检索技术中,有研究者提出了利用用户兴趣模型来提高检索效率,实现个性化的检索的方法。在他们研究的基础上,本论文提出基于用户兴趣模型的Web服务发现方法以提高服务发现的准确性。该方法通过建立用户兴趣模型来获取用户的兴趣,并且可根据用户不同的兴趣爱好实现对用户进行服务的主动推荐,从而实现个性化的服务发现。实验表明,这种新的方法能够较准确、全面理解用户的需求,为用户主动推荐其感兴趣的服务,并在一定程度上提高了服务发现的效率和准确率。本论文的主要工作有:1.提出了基于主题树的用户兴趣模型,并详细介绍了模型的表示以及更新机制。2.分析向量空间模型的原理及构建方法,对向量空间模型进行扩展,提出Web服务向量空间模型。结合用户兴趣信息和用户请求,构建用户需求向量空间模型。3.设计并实现了个性化匹配算法。对用户需求向量空间模型和Web服务向量空间模型进行匹配,根据相似度进行排序、优化,过滤掉与用户兴趣不相关的服务,从真正意义上得到满足用户需求的Web服务。4.建立了仿真实验平台和原型系统。通过仿真实验对传统的Web服务发现方法和基于用户兴趣模型的Web服务发现方法进行查准率、QoS(Quality of Service)以及效率方面的比较,展现出基于用户兴趣模型的服务发现方法的优越性。