语义标注技术在实现服务自动发现和组合中具有非常重要的作用。研究者们将本体知识与Web服务中的元素相匹配,来弥补服务中只有语法没有语义的缺陷,并通过大量的服务测试来检验标注结果是否能准确反映Web服务的功能。然而,目前的标注方法存在两个无法忽视的问题,即标注质量低和标注效率低。Web服务语义标注是为了更好的实现服务发现、推荐和组合等应用,因此,如何使语义标注更好地调用服务,以及在服务中传播就是解决质量和效率的关键。本文提出了一个高质量高效率的半自动标注框架,第一,我们定义了约束性标注概念以实现精准的标注语义,更容易使得服务调用成功;第二,我们提出了候选标注池,减少了错失正确语义的可能性,保存了多个最有可能正确的概念。第三,我们提出了人工标注的模型,主要包括何时引入人工标注,如何选取人工标注样本,以及如何学习标注结果。其中我们重点研究并实现了人工标注模型。通过监测服务调用效率和参数传播效率来确定引入人工标注的时间点,通过聚类来对各个服务进行分析,选择反馈范围最广的服务样本来进行人工标注,而计算机将自动分析人工标注的结果并生成更多约束性概念来丰富本地本体库,提高标注的质量和效率。基于真实世界的Web服务标注实验验证,结果显示本文所提出的Web服务标注方法不但显著地提高了语义标注的质量,而且在整个标注的过程中减少了大量不必要的计算机成本和人工成本,标注效率也得到了提升。