随着多年来Web服务技术的快速发展，对于Web服务的发现技术逐渐提出了新的要求同时也成为了该领域研究的热点，特别是基于语义的Web服务智能化发现技术更激发了研究者们的兴趣。将语义Web技术引入Web服务领域，使得Web服务的描述具有了语义信息，相比传统的UDDI等发现技术提高了发现算法的精度。但是由于本体的加入，一方面对于每个领域都需建立自身的本体且匹配的双方都需使用相同本体，从而增加了整个发现机制的复杂性，影响了发现算法的效率；另一方面对于，现有的基于语义的匹配方法对于用户的请求信息提出了过高的要求，给用户的使用造成了一定障碍。针对以上两方面的问题，本文提出一种基于Kernel方法和WordNet的Web服务发现机制，该机制分为以下两个部分进行：第一部分介绍了一种基于Kernel方法和WordNet的Web服务分类机制。随着服务数量的增多，我们认为对于服务的发现过程首先应该对注册中心的服务集进行分类生成各个数量较小的服务类集，从而提高之后匹配算法的精度。本文参考了文本检索方面的技术，首先对服务的WSDL文档进行解析抽取生成代表服务的特征向量，接着利用WordNet的概念上/下位关系对特征向量进行降维。最后，对处理过的特征向量集进行向量间的相似度计算，在这里，本文提出了一种基于Kernel方法的计算向量相似度函数代替传统的Cosine函数，从而提高了最终分类结果的精度。第二部分介绍了一种基于WordNet概念树的Web服务匹配方法。本文利用了Princeton大学的语义词典WordNet概念树作为本体库，首先，设计了一种更适合于用户实际使用的Query Information，接着，参考第一部分中的方法对服务进行基于所属类的特征向量生成，最后，利用Nuno Seco等提出的基于WordNet概念树的语义相似性计算公式，提出了建立在query和advVector之间的匹配算法。最后，通过两个实验对以上两个部分进行验证。第一个服务分类实验的测试表明了基于Kernel方法和WordNet的Web服务分类机制在精度上要高于传统的基于文本检索的分类方法。通过第二个服务查询案例实验，一方面验证了匹配算法中基于service和operation的双重选择性请求信息匹配机制有效性，另一方面验证了基于WordNet概念树的语义相似性计算可以达到基于语义层面的匹配，从而提高了服务发现机制的智能性。