随着云应用平台的快速兴起,Web服务数量呈爆炸式增长,被部署在云环境下的Web服务为用户端提供了各种各样的服务,大量候选服务随之出现。作为衡量Web服务性能的重要指标QoS,其值只有当被调用时才能被收集,因此云应用平台需要得知QoS值,才能提供给用户端合适的Web服务。由于在线应用的兴起(例如,电商,旅行APP),云应用平台需要给用户提供组合型的服务,以保障在满足用户体验的同时也能满足Web服务的QoS。因此Web服务组合的构建也成为了需要研究的内容。本文做了以下的研究工作:1、利用用户和服务的地理位置信息聚类用户和服务,将用户和服务的类别信息融入矩阵分解算法中,用户类别和服务类别的加入能够弥补矩阵分解算法忽略用户间和服务间相似性的问题。本文首先采用聚类算法聚类用户和Web服务,得到用户类别和服务类别,根据类别的组间相似性构造了正则化项,融入实时矩阵分解模型,以提高预测准确率,在一定程度上解决冷启动问题。该算法在WS-Dream数据集上进行了性能评估,结果得出该算法能够提高预测精度,并且在一定程度上缓解了冷启动问题。2、建模多个目标Web服务组合。首先计算出用户偏好下的目标,将用户偏好分类为定性偏好和定量偏好,在定性偏好下计算出子目标,在定量偏好下计算第二个子目标,再提取Web服务的可靠性指标,计算出组合服务的全局可靠性,计算得到可靠性下的第三个子目标,最终采用多目标优化算法计算出最终最优组合服务。该方法在QWS数据集上进行了实验评测,结果得出该方法提高了服务组合的效率。