近年来,面向服务架构SOA被越来越多的企业应用。Web服务是实现SOA最合适的技术。但随着Web服务的增多，服务注册库越来越庞大，因此如何在海量Web服务中高效而精确的发现满足用户需求的服务越来越困难。以前研究的Web服务匹配机制大多是基于关键字的语法级匹配，由于缺乏语义层面的信息，使得人机交互显得很不协调，同时在服务发现查全率、查准率方面也不是很令人满意。而语义Web的目的就是扩展当前的Web，使得网络中所有资源描述具有丰富的语义信息，这是计算机能够进行识别和处理的。因此，基于语义的Web服务发现逐渐成为了当前的研究热点。针对目前Web服务发现效率低下与准确率不高的问题，本文提出了一种基于模糊聚类与关联规则预测的语义Web服务发现方法。首先，采用改进的模糊C均值聚类算法，对服务注册中心的服务进行模糊聚类预处理。借助领域本体模块化的思想，将服务注册中心有一定相似度的Web服务进行模糊聚类组织。在服务发现时，计算服务请求描述与服务聚类的相似度，过滤掉不相关服务，以减少服务查找时间，提高服务发现效率；同时为了提高服务发现的准确率，在模糊聚类时，将服务的四个功能性参数全部作为聚类参数进行聚类预处理。其次，将数据挖掘领域中的关联规则挖掘技术应用于语义Web服务发现，从已有的用户请求服务的日志记录中挖掘服务间的潜在关系，预测用户将要请求的服务，推荐给用户，从而减少用户发现服务的时间，提高了服务发现效率。此外，为了提高挖掘出的关联规则的准确性，在挖掘前对服务日志进行了基于用户情境信息的聚类预处理，这能够提高服务预测发现的准确率。最后，在上述研究的基础上，本文设计并实现了一个基于模糊聚类与预测的语义Web服务发现模型，分别从教育、医疗、食品、旅游、通信、经济和军事七个领域收集了一千条服务作为测试对象，在此发现模型上验证了本文提出方法的可行性及有效性。