语义Web技术解决了传统Web服务发现查全率和查准率低下的问题,已成为国内外的研究热点。然而由于语义计算的复杂性,导致了语义Web服务发现效率低下,如何在保证查全率和查准率的基础上,提高语义Web服务发现效率成为当前亟待解决的问题。本文提出一种基于聚类的个性化语义Web服务发现方法,该方法利用语义思想改进传统图论聚类算法和个性化模型,并通过服务发现匹配模型将其应用到语义Web服务发现过程中,其主要内容如下:　　 (1)通过对本体结构和聚类思想的研究,提出一种基于领域本体概念的Web服务聚类的方法。该方法依据本体概念之间的关系计算Web服务相似度,并通过改进后的图论聚类算法实现了Web服务聚类。聚类过程中,方法将本体概念作为聚类的依据,体现出聚类的语义内涵,提高了服务聚类的准确性。　　 (2)通过对个性化技术和兴趣本体表示法的研究,提出一种基于领域本体的服务发现个性化模型。该模型建立了反映用户兴趣的本体概念树,通过对兴趣概念的语义计算来反映模型的语义内涵,并定义相应的模型学习方法,适应用户兴趣的不断变化。　　 (3)提出一种基于聚类的个性化语义Web服务发现方法。该方法根据用户模型中的历史查找记录,分析用户兴趣与聚类类别之间的关系,从而使服务类别的查找更具有针对性,有效减少了服务匹配的次数。同时方法根据用户兴趣模型对服务匹配结果重新筛选,帮助用户得到更准确的查找结果。　　 论文利用本体概念改进传统聚类方法和个性化模型,并以此改善了传统语义Web服务发现过程,实验证明,该服务发现机制能有效提高发现效率。