随着Web服务的普及，服务数量的增多，用户在使用服务时会遇到三个问题:首先，近年来，服务数量呈现出一个剧烈增长的趋势，在实际中存在许多功能相同或相似的服务，这导致用户需要进行多次检索;其次，由于UDDI注册中心作用在下降，有的甚至关闭，使得服务被开发出来后没有一个统一的注册机构进行注册，而是直接发布于服务开发者的门户网站上，这导致服务检索信息分布的十分分散，用户往往需要到多个网站上去检索，才能找到需要的服务;最后，服务的QoS是动态变化的，因此固定的服务QoS并不能很好的反映服务是否适合当前用户，有的服务甚至无法使用。因此，如何针对Web服务建立高效的服务查询和推荐机制是服务计算的重要研究内容，也是当前的研究热点和难点。　　本文针对Web服务使用中面临的由于服务检索信息分布分散，数量、种类较多，服务QoS属性存在差异导致的用户无法高效便捷使用服务的问题，以及系统实现时会遇到的可扩展性问题，开发Web服务个性化查询与推荐系统。本文首先分析了现有服务查询系统存在的问题，即不存在个性化排序、无语义搜索、无服务推荐功能。因此，本文在对服务进行聚类的基础上，建立服务语义库，制定排序规则达到语义搜索及个性化排序要求。在服务推荐方面，从功能推荐与属性推荐两方面进行研究。功能推荐方面提出了改进的AFOPT算法，以适应服务序列的挖掘。属性推荐方面采用协同过滤与时间序列相结合的方法来预测服务的响应时间，提高了预测准确率。考虑到查询与推荐中用户相似邻居计算时会遇到的可扩展性问题，本系统基于Hadoop云平台进行开发。　　本文的研究工作主要包括以下几个方面:　　1.研究基于服务领域本体的个性化服务查询，制定了四种个性化排序规则。　　2.研究基于用户历史行为的服务功能推荐，对AFOPT挖掘算法进行了改进，以适应服务序列的挖掘。　　3.研究基于并行化协同过滤与时间序列的服务属性推荐方法。　　4.开发Web服务个性化查询与推荐系统。　　综上所述，本文搭建的Web服务个性化查询与推荐系统，达到了用户高效便捷使用服务的目的，同时也为Web服务的研究提供了实验基础。