近年来,随着互联网迅速发展和移动设备的普及,互联网上出现了大量功能相似、种类繁多的Web服务。如何向用户推荐个性化的Web服务已成为服务计算领域的热点研究问题之一。传统的Web服务推荐算法已无法满足Web服务推荐的多元化需求。因此,考虑时间、空间等情境因素的情境感知Web服务推荐方法应运而生。然而,现有的情境感知Web服务推荐算法的研究仍存在如下问题:第一,现有算法主要关注于利用空间、时间等情境信息来寻找与当前用户的情境相似的用户或与当前Web服务的情境相似的服务。然而,尚未充分考虑用户情境和Web服务情境之间的关联性对用户Web服务偏好产生的影响因素。因此,Web服务的推荐结果难以响应用户或服务情境的动态变化。第二,在使用“用户-服务”Qo S值矩阵进行用户之间或服务之间相似度计算时,现有方案将大小不同的QoS值同等看待,而普遍忽略了极大或极小的QoS值对用户之间的相似度或服务之间的相似度的显著影响。因而,难以为用户推荐显著反映用户偏好的服务。针对上述问题,本文提出了一种面向空间相关性和加权评分效应的情境感知Web服务推荐方法(简称CASR-SCWRE算法)。该方法旨在为用户提供一种个性化的Web服务推荐机制:一方面,有利于挖掘用户情境和服务情境之间的相关性对用户Web服务偏好的影响,另一方面,保证推荐算法能够显著反映不同Qo S值对用户相似度或服务相似度的显著影响。本文的主要研究内容包括:首先,通过用户空间情境和服务空间情境之间的关联性,建模了空间相关性对用户Web服务偏好影响,得到与用户当前偏好相符的Web服务调用记录。其次,通过建模加权评分效应来计算用户之间相似度或服务之间相似度,并结合传统的时间衰减相似度求解模型,提出了基于加权评分效应的时间衰减模型。再次,基于上述两步过滤得到的数据,利用贝叶斯定理预测某一特定的Web服务对当前用户的QoS值。最后,本文在WS-Dream数据集上开展了一系列大规模的实验训练和测试。实验结果表明,CASR-SCWRE算法与诸多对比算法相比,具有更高的Web服务推荐精度。