Web服务作为一种自主而开放的应用实体,具有松散耦合、平台无关、互操作性强等特点,特别适合在Internet环境中发布和使用。随着互联网上Web服务数量的快速增长,如何从中快速有效地获取满足需求功能的Web服务,这是Web服务发现研究的内容。目前常见的Web服务发现方法主要有基于关键字的方法和基于语义的方法。其中基于关键字的服务发现不能理解用户语义信息,导致查全率不高,传统的基于语义服务发现方法由于限制太多,推广性不强,基于主题模型的Web服务发现是一种特殊的语义发现方法,它相比于传统的语义发现方法具有限制条件少,推广性强等优点。本文分析和研究了 Web服务发现及主题模型等相关技术,对Web服务文档特点、相似度计算方法以及聚类算法进行了深入研究。首先根据WSDL描述文档特点,结合国内外文本数据处理方法,对文档进行特征提取、去除停用词与标签、连接词分词、大小写字母转换、词干还原等,得到数据处理后的文档词汇集合。然后基于BTM对数据处理后的文档词汇集合进行主题建模,使用Gibbs采样对主题进行训练,针对主题个数不确定问题,通过计算主题结构相似度来确定主题数目,得到文档主题信息。接下来对文本相似度度量方法进行了研究,使用服务-主题向量与服务-特征词权重向量线性结合的方式来计算服务之间相似度。对聚类算法进行了研究,为了提高计算效率,使用基于最大距离法的k-means算法对Web服务进行聚类,得到Web服务簇集合。最后,对Web服务进行查询时,找到与查询最相关的Web服务簇,把簇中相关度高的Web服务作为发现的结果。本文实现了方法中的具体模块。最后利用测试集对该方法进行实验验证,实验结果表明,使用本文提出的方法进行Web服务发现具有较高的查准率。并且本文的研究对Web服务发现的相关处理过程具有借鉴意义。