近年来,智慧城市、智能交通、智能家居等各种物联网应用系统已经渗透到人类生活的各个领域。物联网系统通过集成部署在开放环境中数量众多的异构软硬件设备进行任务协作,向外界提供智能服务。物联网系统的异构性、大规模性、上下文动态性的特点使得物联网的有效协同面临极大的挑战。面向服务的架构（Service-Oriented Architecture,SOA）技术以其天然支持互操作性的优势,广泛被用于实现物联网系统的协同。现有的基于SOA的物联网协同方案将物联网系统的软硬件功能统一封装为物联网服务,主要关注SOA架构下物联网服务的描述、推荐、组合等关键技术的设计和实现。然而该方面的研究尚存在以下问题:（1）物联网服务描述协议繁重、开销大,较少考虑物联网的上下文特征或没有显式定义上下文特征;（2）物联网服务推荐严重依赖规范、精确的用户偏好描述,没有综合考虑服务的上下文和功能特征;（3）物联网服务组合对动态上下文环境的适应性不足,没有关注物联网服务组合流程的设计和实现。本文围绕物联网异构性、大规模性、上下文动态性的特点,以SOA为基础,研究上下文感知的物联网服务协同关键技术,重点解决物联网服务的统一描述、主动推荐、适应性组合三个关键问题,形成一套有效的物联网服务协同方案。论文的主要工作如下:（1）针对异构物联网服务的统一描述问题,提出一种上下文感知的轻量级物联网服务描述模型。为了描述物联网的上下文特征,对系统涉及的多维度上下文进行显式化定义和建模,并将其作为物联网服务提供的关键要素与服务描述模型进行集成和融合。在此基础上,以轻量级的微服务构建物联网服务模型,对物联网服务的上下文特性、功能特性、接口特性进行统一规范化定义,建立异构物联网组件的服务提供规范,在服务层屏蔽组件间的异构性,降低系统集成的复杂性。采用紧急救助和生活照料两个智慧养老领域的物联网场景进行实例研究。实验结果表明,提出的模型可以对物联网服务进行定义和描述。与现有研究相比,该模型不仅协议更为简单轻量,而且显式化定义了物联网的上下文特征,可以实现更加全面的物联网服务统一描述。（2）针对大规模物联网服务的主动推荐问题,提出一种基于深度协同过滤的上下文感知物联网服务推荐方法。对于用户的功能偏好,从历史交互记录中挖掘用户的历史偏好和潜在偏好,并通过两者的融合建模用户的功能偏好,解决精确的偏好描述难以获得的问题。对于上下文,使用神经网络学习上下文特征的深层表示,将上下文直接集成到服务推荐的过程中,提高服务推荐的准确性。在服务推荐时,将深度神经网络与协同过滤结合构建深度协同过滤服务推荐模型,融合物联网服务的上下文和功能特征进行个性化服务推荐,实现主动的服务提供,降低服务选择的难度。采用物联网服务合成数据集对提出的方法进行验证。实验结果表明,该方法优于六种典型的传统推荐方法和基于深度学习的推荐方法,能够实现有效的服务推荐,融合上下文特征能够提高服务推荐的准确性。（3）针对动态上下文环境下物联网服务的适应性组合问题,提出一种基于深度强化学习的上下文感知物联网服务组合方法。在服务组合方案生成阶段,构建物联网上下文约束模型及服务语用模型,实现对特定上下文环境下的服务提供能力的刻画;然后以服务语用为指导,驱动深度强化学习的最优服务组合策略学习过程,实现上下文感知的组合策略生成。在流程设计实现阶段,基于BPMN和模型驱动开发技术,实现服务组合流程的设计和自动化生成。最后根据服务组合策略对服务组合流程进行配置,派生符合当前上下文需求的组合流程实例。从实例研究和模拟数据集评估两个方面对提出的方法进行验证。实验结果表明,该方法能够实现上下文感知的按需服务组合,并且能够适应动态变化的上下文环境。