随着服务化趋势的到来,Web服务、服务计算等技术相继形成与发展。众多服务在为人们的生活带来便利的同时,也存在着服务使用者无法预先明确业务需求、服务本身种类繁杂、服务组合效率较低的问题。探索式服务组合支持可控保障下的灵活服务编排,可解决用户需求不确定的问题。在用户逐步探索的过程中积累了成功的经验与失败的教训,若能将这些经验及教训保存为可复用的服务模式,可有效提高服务组合效率。服务模式并不是一成不变的,随着时间的推移,服务资源及用户需求不断发生变化,服务模式也需要随之进行演化,以保证服务模式的有效性。因此,如何构建服务模式模型,并对其进行高效地挖掘与演化是本文研究的重点内容。论文的主要研究工作及贡献如下:第一,提出一种服务模式挖掘方法,分别对成功服务组合流程与失败服务组合流程进行挖掘。首先建立一种服务模式模型,对服务模式进行形式化表达。之后,采用gSpan算法与本文所提失败服务模式挖掘算法（FSPMA）分别对两种服务组合流程进行高效挖掘,得到成功服务模式与失败服务模式。其中,FSPMA算法对gSpan算法进行扩展,将挖掘聚焦于失败服务组合流程的失败轨迹部分,实现失败服务模式的高效挖掘,实验表明,相较于面向整个失败服务组合流程进行挖掘的gSpan与TKG算法,其挖掘效率分别提升了 43%、50%。第二,提出一种服务模式演化方法,分别对成功服务模式与失败服务模式进行演化。该方法应用本文提出的基于时效性的增量式服务模式演化算法,对新增服务组合流程进行增量式挖掘,结合时间衰减公式,以较少的时间及资源成本获取最新的服务使用经验,实现服务模式的演化。其中,增量式方法可有效提高服务模式演化效率,实验表明,相比FSPMA与gSpan算法,使用增量式方法后算法运行时间分别下降了 40%、67%。第三,将所得服务模式应用于服务推荐,验证本文所提服务模式挖掘与演化方法的有效性。实验表明,相比传统服务推荐方法,使用服务模式的服务推荐方法,在精确率、召回率与F1值上均得到了有效提高。第四,设计和实现了服务模式挖掘与管理系统,主要包括三个模块:服务模式挖掘,服务模式管理与服务推荐。其中,服务模式挖掘模块实现两种服务组合流程的快速挖掘,生成相应的服务模式;服务模式管理模块对服务模式进行管理与演化;服务推荐模块应用挖掘与演化生成的服务模式进行服务推荐,辅助用户进行探索式问题求解。