随着互联网技术的不断革新和发展,Web服务推荐与选取已经逐渐成为工业界和学术界共同关注的重要研究内容,服务质量(Quality of Service,简称QoS)是影响Web服务推荐的关键性因素。然而,目前已有的基于QoS的Web服务推荐理论方法和Web服务推荐应用研究方面都存在着一定的问题。为了解决这些存在的问题,完成了如下工作内容。首先,分析总结了基于用户的协同过滤算法中不同相似度计算方法其各自的优缺点和所适应的不同数据环境,提出一种基于协同过滤的融合共同调用和数据波动的相似度计算方法,该方法考虑了共同调用和数据波动的因素,将其量化加入到皮尔逊相似度计算方法中,提高了相似度计算的准确性,进而提高了QoS预测的准确性。其次,在进行QoS预测时将基于用户的QoS预测方法和基于服务的QoS预测方法同时考虑进来,通过相似邻居的相似度分解出自信度,结合人为加入参数平衡两种方法对于预测结果所占的权重,进行基于用户和基于服务的QoS混合协同预测,提高了QoS预测的全面性和准确性。再次,分层设计并实现了基于QoS的全方位Web服务研究与推荐平台,平台涵盖了多种用户角色以及在Web服务研究与推荐方面的众多功能模型,为普通用户进行更好的Web服务推荐,为该领域的科研人员提供了良好的科研环境。最后,通过几个实例对基于QoS的全方位Web服务研究与推荐平台中的核心模型的应用进行演示和分析,通过在真实环境中应用该平台核心模型对应的功能,验证了基于QoS的全方位Web服务研究与推荐平台中各个核心模型具有良好的实用性和适用性。