随着Saa S和SOA技术的发展,互联网上涌现了大量Web服务,然而在动态变化的网络环境下,服务可能出现不可用或失效的问题。在这种情况下,如何帮助用户发现可替代服务以及所发现服务是否可信是一个极具挑战性的问题,吸引了国内外研究人员的广泛关注。但是,已有的可信推荐方法往往基于服务的单一信息进行推荐,忽略了服务多维信息的融合。因此,本文围绕如何基于服务的多维数据信息进行可信服务推荐展开了研究,主要研究内容如下:(1)提出一种基于描述信息和规格(Specs)信息的相似API服务推荐方法。该方法针对已有推荐方法一般基于服务单一信息进行推荐的问题,从API服务描述信息和规格信息两个方面进行考虑,首先通过LDA主题模型对API描述信息进行服务聚类,并通过相似度计算判断待替代API(目标API)所属主题类簇;然后考虑API规格信息,根据Jaccard系数对该主题类簇下的API进行进一步筛选;在此基础上计算目标API描述信息与筛选后的API描述信息之间的相似度并排序,从而将相似度高的API作为候选可替代服务进行推荐;最后通过Programmableweb网站上真实数据集进行了实验。实验结果表明,上述方法能有效准确地进行相似API服务推荐。(2)提出一种基于可信度和关注度的API服务可信推荐方法。该方法在相似API服务推荐基础上,针对传统协同过滤算法存在的数据稀疏问题,首先将API相关Specs信息融合到数据归一化处理中,以填补空值;然后考虑评分具有差异性,对评分进行均值化处理;进而从用户可信度和关注度、Mashup服务可信度和关注度两个方面分别计算用户和Mashup服务对相似API服务的评分预测,并通过调整权重计算进一步得到相似API服务的综合评分预测,将相似API服务中综合评分较高的服务推荐给用户;最后通过Programmableweb网站上真实数据集进行了实验。实验结果表明,上述服务推荐方法综合考虑了服务的多维数据信息,有效提高了服务推荐准确度和可信度。