随着科技的发展，出现了越来越多的具有计算能力的设备，而且这些设备都朝着小型化和嵌入化的方向发展，传统的以计算机为中心的计算模式和桌面模式无法克服一人多机所带来的困扰，因而受到严重的挑战。普适计算环境具有“透明”和“随处可用”的特征，所以得到普遍重视。在普适计算环境中，所谓的“透明”特征，并非是完全指物理上的不可见性，更主要的是指用户与计算机之间的交互是否为用户所察觉。要实现这种“透明”交互方式的一个必要条件就是利用普适计算环境下的上下文信息。Web服务作为一个能够满足用户需求的应用程序，更是得到研究者和需求用户的关注，它具有自包含、自描述、模块化的特征，使得用户更希望Web服务能够随处可用。因此，提供面向普适计算环境的个性化服务成为研究的热点。本文针对普适计算环境中服务推荐的应用需求，在分析了传统的服务推荐技术和融入上下文的服务推荐技术现状后，主要完成了以下两方面的工作：（1）对普适计算环境下的上下文信息和Web服务信息进行研究，不同的上下文在不同的Web服务领域对服务推荐的影响程度不同。Web服务可以用不同的方式进行描述，在服务请求者和服务提供者之间主要是通过一些发布和调用协议来实现交互。本文通过开发智能移动设备应用程序来获取上下文信息，同时从Web服务的描述信息中提取关键部分，从而更快的找到服务并调用。（2）通过分析上下文和服务之间的关系以及隐Markov模型的特点与应用，设计了一种基于双重隐Markov模型(Double Hidden Markov Model，简称DHMM)的服务推荐机制。通过获取上下文数据并进行分析处理，计算DHMM的参数，建立模型，以实现个性化的服务推荐。同时，随着上下文信息的动态变化，该模型的参数也实时更新，从而不断提高服务推荐的准确率。本文实验仿真是基于校园环境下移动用户的特点，通过感知用户的地点、时间和专业上下文信息，并收集用户调用服务的历史信息进行统计，计算服务的调用概率，通过计算推荐准确率验证了基于隐Markov模型的服务推荐机制的个性化推荐程度，仿真实验中所用到上下文信息的符号化，增强了该模型的扩展性。