1、當今云計算SOA的架構模式成為當前企業(yè)的首選，這使得Web服務在數(shù)量上快速增長，隨著用戶群數(shù)量的不斷增加，Web服務需求量也隨之膨脹，在龐大的Web服務資源中，如何快速準確地為用戶選取服務信息是當前服務資源選取項目的難題。盡管現(xiàn)有的服務推薦系統(tǒng)能夠進行服務推薦，但在服務推薦的準確性和實時性上不夠盡意，存在用戶服務選取上沒有隨時間變化而變化的情況，以及在動態(tài)服務推薦中沒有涉及到服務響應時間與服務推薦有效性和服務準確性之間的關系，從而在服務

2、選取中直接導致服務選取的內容不夠快速準確，不能滿足用戶的服務需求。
　　本研究主要內容包括：⑴通過擴展Web服務描述語言，以重新定義端口的方式來重新定義Web服務，將新描述引入可進行概率不確定推理的BN，使BN能夠能通過時間變化對貝葉斯變量進行約束從而影響服務選取的時間。⑵在貝葉斯服務選取模型中通過確定三個參數(shù)，包括時間片參數(shù)，擴展的服務響應時間，服務的語義參數(shù)等創(chuàng)建一個新的DBN，目的是可以通這這些參數(shù)計算，使貝葉斯服務選取可以

3、動態(tài)地根據(jù)用戶的需求進行服務取，保證服務選取的實時性。⑶服務選取中存在著冷啟動與新用戶的問題，論文在協(xié)同過濾方式基礎上，采用以社區(qū)影響度計算出K個點，再應用K-Means聚類進行社區(qū)發(fā)現(xiàn)，對已有用戶進行社區(qū)劃分來對數(shù)據(jù)進行預處理，當遇到新用戶或信息量稀少使貝葉斯動態(tài)選取方式條件性失效時，服務推薦模塊可利用其相似用戶數(shù)據(jù)進行計算來完成服務資源選取。⑷基于WSDL擴展的DBN服務選取技術，不論是冷啟動與新用戶的情況或是服務數(shù)據(jù)量巨大時，都可