Web服务具有高度的互操作性、跨平台性和松耦合的特点，使得Web服务在互联网上得到广泛应用。然而用户对Web服务应用要求不断提高，单个Web服务已经不能满足用户的需要。随着Web服务研究的不断深入，Web组合服务作为一种Web服务的增值服务，按一定的业务逻辑将Web服务组合起来，能够处理较为复杂的业务从而可以在更大程度上满足用户需求。Web组合服务实例的生成首先需要根据用户需求对组合业务中不同任务分别进行原子Web服务的选取。由于许多不同的服务提供者提供相同或相似功能服务的现象开始在网络上大量出现，如何为组合业务中的每个任务选取符合用户需求的原子服务则成为目前的研究的热点和难点。　　针对每个任务的服务选取问题，在存在符合用户SLA需求的对应Web服务集合的研究基础上，本文提出了基于协作过滤的Web服务推荐方法，根据组合业务历史运行时的相关信息在服务集合中为任务预测服务QoS并推荐服务。本文提出的基于协作过滤的Web服务推荐方法考虑用户的个性化因素，根据目标用户调用组合服务时的环境信息、时间信息等个性化信息为服务找到历史组合服务运行实例中的相似服务信息，利用相似信息进行协作过滤QoS计算进而实现服务评价及推荐。　　本文首先研究了服务执行特征模型，区别与以往的协作过滤研究，该模型不仅包含服务的QoS特征，也包含服务执行时的环境特征、输入特征及时间特征，从而更好的描述服务使用情况。其次，提出了基于历史时间的协作过滤服务QoS预测方法，利用其他用户的服务执行特征为目标用户的服务QoS特征进行预测，并且同时考虑特征内容的相似度和历史服务使用信息的时间因素，更好的为用户服务QoS特征进行预测。再次，针对协作过滤算法中面临的稀疏问题本文提出了基于BP神经网络的稀疏问题处理方法，并对在本文研究背景下的BP神经网络预测模型的设计进行描述。最后，给出基于协作过滤的Web服务QoS推荐方法的应用并对该推荐方法的应用效果进行了实验分析。