目前,随着网络技术的迅速发展,特别是随着网络上发布的Web服务数量的急剧增加,面对数量庞大的服务群,如何从海量的Web服务中快速、准确、高效发现满足用户需求的服务已成为亟待解决的问题。传统的服务发现主要是针对句法级的基于关键字进行服务匹配,这种方法不能很好的识别语义信息,从而导致其查准率和查全率较低；现有的基于语义的服务发现方法都是根据其输入输出来表征服务功能,单纯依靠这种服务功能匹配得到的匹配结果其准确性不高。基于Web服务的软件系统在执行过程中会自然形成若干个主题相关的服务组群,具有同群节点相互连接密集、异群节点相互连接稀疏的特点。这种服务组群结构是由共同完成同一任务主题的组合Web服务间多次重复交互产生的。服务组群结构的挖掘和分析对于设计服务应用系统,发现复杂服务交互网络隐藏规律以及预测服务行为具有广泛的理论意义和应用前景。本文在分析了现有服务发现方法的基础上,针对当前Web服务发现方法效率低下,准确率不高的现状,提出了一个基于服务交互图挖掘的Web服务发现及推荐方法。该方法的基本思想是根据采集到的服务日志,构造一个服务交互图,通过服务操作间交互频度以及操作的行为相似性,计算得到服务操作结点的相似矩阵,并利用谱聚类方法以及K-means方法将操作交互图划分成若干内部频繁交互的子图,每个子图就代表一个操作组群。从业务角度来看操作组群一般共同完成同一业务目标,从而很大程度上降低了服务查找空间。因此,基于服务组群挖掘的服务发现方法便于快速查找满足用户需求的服务。在服务组群挖掘的基础上,本文提出了一个QoS约束的服务推荐模型,并研究了该QoS模型上的各种因素的计算和评价方法,在快速查找到满足用户需求的Web服务基础上,保证了推荐给用户的服务的准确性。本文设计模拟执行环境实现了上述算法,并以模拟服务集合进行了测试。