随着5G、移动计算和智能设备等技术的发展与普及,各个领域涌现出了大量的物联网服务。如何从这些海量的物联网服务中找到符合自己需求的高质量物联网服务成了用户面临的挑战。服务推荐技术可以基于历史服务质量数据为用户推荐高质量的服务。然而,由于物联网服务存在着稳定性差、用户经常移动、重复调用等缺点,传统的服务推荐技术很难直接适用于物联网服务的推荐。另一方面,一个用户通常会调用不同厂家提供的物联网服务,用户调用这些服务产生的历史服务质量数据会分布在不同的平台上。出于公司和用户利益的考虑,各厂家在共享自己平台上的数据时会担心用户隐私泄露的问题。针对上述问题,本文从两个方面展开研究。首先,结合物联网服务的特点,将用户在不同历史时刻调用物联网服务的历史数据看作一个时间序列,并通过改进传统的时间序列预测方法来实现提高物联网服务推荐的精确率的目标;其次,在保证推荐精确度的前提下,将隐私保护方法引入到物联网服务的推荐,以实现对历史物联网服务质量数据的隐私保护。具体而言,本文的主要研究工作如下:第一,为了提高物联网服务质量预测的准确性,针对物联网服务经常会被重复调用的特点,提出了一个基于矩阵化差分整合移动平均自回归（Autoregressive Integrated Moving Average,ARIMA）模型的物联网服务推荐算法。该算法将用户调用某个物联网服务的历史数据看作一个时间序列,然后采用矩阵化的ARIMA模型对下一个时刻的服务质量数据进行预测。为了提高模型的学习效率,算法采用Tucker分解方法提取历史服务质量数据矩阵的核张量,然后将核张量整合到矩阵化的ARIMA模型。实验结果表明,该算法在保证了较低时间开销的前提下,有效地提高了物联网服务推荐的准确度。第二,针对隐私保护的需求,综合利用最近T个时刻的物联网服务质量历史数据,提出了一个改进的基于局部敏感哈希的跨平台物联网服务推荐算法。首先采用局部敏感哈希技术求出各服务提供商平台上服务质量历史数据的索引,然后根据汇总的索引分别预测各平台上的服务质量数据,根据预测的服务质量数据为用户推荐质量最好的服务。实验结果表明,该算法在保护数据隐私的前提下,仍具有较高的准确度。