随着云计算技术的发展，云服务得到广泛应用，与此同时，由于云服务种类和数量的增加，“信息过载”问题日益突出。一方面，用户从海量的服务中发现满足自身需求的服务需要付出高额的搜索成本，另一方面，云服务提供商也会由于用户过少而减少收益。为了解决云服务领域的“信息过载”问题，云服务推荐越来越受到学者们的关注，逐渐成为当前的研究热点。　　本文研究基于用户使用历史的云服务混合推荐问题，根据用户对云服务的使用记录，从不同的维度建立用户的功能偏好模型，分别构建弱推荐器，并将多个弱推荐器的推荐结果进行集成，构建云服务的混合推荐模型，实验结果表明，所设计的混合推荐模型可以显著提高云服务推荐的准确率，产生较好的推荐结果。　　本文的主要研究如下：　　（1）在基于内容的推荐方法中，针对已有的方法中利用服务的描述文档无法准确的提取服务功能特征和用户功能偏好的问题，提出利用服务的标签信息及群体用户使用历史表现出的标签之间的相关性来构建服务特征和用户偏好的空间向量模型，利用模型之间的相似度衡量目标用户对候选服务的偏好程度。　　（2）在基于协同过滤的推荐方法中，计算用户相似度时引入基于服务流行度的调节因子进行改进，帮助目标用户找到个性化偏好更加相似的用户，然后根据相似用户集合来预测目标用户对候选服务的偏好程度。　　（3）考虑到服务之间存在一定的相关性，提出基于关联规则的推荐方法，通过用户群体的使用历史分析服务之间的相关性，然后根据服务之间的相关性预测目标用户对未使用过的候选服务的偏好程度。　　（4）为了克服单一推荐方法的缺点，提出基于多属性决策的云服务混合推荐方法，用熵权法为目标用户赋予个性化的客观权重，计算目标用户对所有未使用过的候选服务的综合偏好，然后根据综合偏好对所有候选服务进行排序，选择综合偏好值最大的服务推荐给目标用户。