Mashup服务是一种将来源不同的Web API数据内容服务进行集成开发而形成的Web应用,是一种新型的Web服务。它从外界其他数据源得到数据内容服务,并将这些数据源的内容服务进行整合开发,从而创造出更具有有价值、更能满足用户实际需求的Web服务。近年来,随着Mashup服务的不断发展以及相关技术的日益成熟,其个数和种类都在高速增长,Mashup服务使用者也越来越多。然而,对于Mashup的使用者而言,发布的Mashup服务越多,用户越是容易陷入与Web服务类似的信息过载的窘境,用户常常需要浪费大量精力和时间,才能找到满足自己需求的Mashup服务。因此,如何根据用户的个性化需求和特点,推荐满足用户需求的、用户感兴趣的并且综合Qo S高Mashup服务,从而提高用户的满意度,并促进Mashup服务市场的发展,这成为一个新兴的、具有挑战性的研究问题。目前,国内外关于Mashup服务推荐研究主要有基于内容的方法、基于协同过滤的方法、基于服务质量的方法以及基于复杂网络与社会网络的方法这几类,其各有优点和缺点。本文围绕Mashup服务推荐这一主题进行了深入研究和探索,从组合推荐角度入手,融合用户兴趣与服务质量(Qo S:Quality of Service),以解决Mashup服务推荐中所遇到的问题,研究成果和创新主要表现在以下两个方面:(1)为了克服单一推荐方法的缺点,本文采用组合推荐的方式,设计了一种基于用户兴趣与协同过滤的Mashup服务推荐方法。该方法,根据用户调用Mashup服务的使用记录,通过构建用户兴趣模型和Qo S预测模型,来计算用户兴趣以及预测Mashup服务的Qo S值,并结合Mashup服务的社会网络关系,计算其社会关系相似度,最终产生Mashup服务推荐列表,为用户推荐ToP-K个综合QoS最好的、满足用户需求的Mashup服务;(2)针对使用基于QoS的进行Mashup服务推荐过程中所存在的问题,本文提出一种基于信息熵多属性决策的Mashup服务推荐方法。该方法,将综合用户兴趣与服务质量,利用信息熵多属性决策方法,预测用户对目标Mashup服务的评分的概率分布,并得出概率大评分预测值,从而为用户推荐其感兴趣的、高质量的Mashup服务。