伴随着互联网技术的高速发展,服务计算成为了一个研究热点。而服务计算的基础与支撑技术即为面向服务架构。面向服务架构将一个应用程序中不同的功能模块封装为服务,并为服务定义独立于底层操作系统与硬件的调用接口,从而使得用户能够忽视服务的编程语言、服务部署环境等问题,更为高效地实现用户需求。其中Web服务是实现服务提供商向用户提供可信服务的一种重要技术手段,该技术是综合计算机通讯、应用系统设计与实现、网络信息安全等多个领域的研究热点,如何在海量服务中快速且准确的发现用户需求服务,即服务发现,更是研究的关键所在。本文针对当前我国检察业务系统服务化、业务信息化和语义服务动态发现中存在的问题进行了深入研究,提出了 一种服务质量（Quality of Service,QoS）数据驱动的检察业务服务发现方法。该方法从服务描述文档中的服务功能描述与服务调用日志中的服务质量数据展开研究,提出了基于空间向量模型（Vector Space Model,VSM）的服务聚类算法和基于长短期神经网络（Long Short-Term Memory,LSTM）的服务发现算法,经实验验证该方法能够完成可信的语义服务动态发现。首先,对于服务描述文档中的服务功能描述,该方法将其视为一种特殊的结构化文本,引入自然语言处理领域中的向量空间模型,将描述文档向量化,并通过相似度计算确定与用户需求在语义上相近的若干个服务。其次,对于服务调用日志中的服务质量数据,构建了服务质量评价体系,选取了消息传输耗时、消息响应耗时、是否发生错误、错误代码、用户需求满足度和用户主观性评分六项作为评价指标,并通过逼近理想解排序法确定指标权重,从而得到能够切实反应检察官对服务质量要求的综合服务质量指数,在此基础上对于时序性的综合服务质量指数,通过LSTM网络记录其中的服务质量变化趋势信息,为用户提供当前时刻调用服务的服务质量参考值,从而在满足用户功能需求的基础上通过服务质量数据实现最优服务发现。最后,实验与验证表明,该系统能够完成可信服务发现,并且比其他方法具有更高的准确率、精度、召回率及F值等,充分说明了该方法在技术上的可行性和有效度。这些研究内容为服务发现领域的研究提供了一些新的思路和方法,具有重要意义。