Mashup技术是Web 2.0的关键技术之一,它可以通过集成多种不同功能的Web API,构建出一种全新的Web应用——Mashup服务。在Mashup技术的支持下,许多组合级应用可以在较短的时间内完成功能整合和数据集成,极大的提升了应用的开发效率,因此备受许多企业和技术机构的青睐。然而,在主流的服务仓库中注册有数量庞大的Mashup服务和Web API,如何在这样海量的服务集合中快速、精准的定位到满足Mashup需求的Web API,成为一个亟待解决的问题。为此,本文围绕Mashup服务功能语义的特征表示、服务聚类以及Web API推荐三个关键问题展开研究,主要研究内容包括:(1)提出了一种基于Mashup服务功能语义的特征向量表示方法。该方法首先对Mashup服务描述文本进行了规范化处理,并根据被调用Web API的标签对相应Mashup服务标签进行扩充,确保标签相对合理完善。在此基础上,提出一种功能语义关联计算方法(FSAC),利用服务标签以及服务描述中的功能名词信息,进行语义关联计算,并将计算结果融入Mashup语义特征向量的构建过程,使其更能反映服务真实的功能特征。(2)提出了一种基于密度峰值检测的Mashup服务聚类方法。该方法首先重新定义了传统密度峰值聚类算法中局部密度的计算方式,使得密度分布以及相关密度信息计算更加合理。在此基础上,提出一种基于密度信息的聚类中心检测方法(CCD-DI),用以筛选出最优的K个聚类中心,作为K-means算法的输入,实现Mashup服务聚类,确保聚类的精准性与稳定性。(3)提出了一种基于Mashup服务邻域的Web API推荐算法(WR-MSN)。该算法首先将Mashup服务需求表示成需求语义特征向量的形式。接着,基于Mashup服务聚类结果,锁定与需求语义特征向量最为匹配的Mashup服务邻域,并基于邻域范围内Mashup服务与Web API的调用关系,进行Web API数据的功能类别划分与排名,从而筛选出与Mashup服务需求最为匹配的Web API组合,进行推荐。