为了便于服务请求者查找服务，服务注册中心会对服务按照某些分类体系进行分类以提高查找效率。Web服务的数量和使用的类别体系非常庞大，人工为服务标注类别将非常复杂且费时，而且这需要服务请求者对各种类别体系比较熟悉才能较为客观准确的为服务标注类别。为此应实现Web服务的自动分类。　　 现有的Web服务自动分类的研究主要基于文本归类和属性相似度对比两种方法。基于文本归类的方法根据服务描述文档中词语的统计特性进行分类，需要大量的样本集以提高分类的准确率。但标准的Web服务文档集合并不多，而且文档集合的质量不高，无法保证分类的正确率。基于属性相似度对比的方法则需要完备的本体库来计算属性之间的相似度，难以实现。本文提出一种基于支持向量机方法依据Web服务的功能信息进行分类的服务分类系统，以UNSPSC作为Web服务的类别体系，并利用UNSPSC中各类别的描述信息作为其父类别的样本文档，摆脱了对服务文档样本集合的依赖。提出在层次化类别体系中利用概念之间的语义层次关系判断出类别的主概念从而进行特征选择的方法，概念之间的语义层次关系通过计算概念在语义词汇网络WordNet中的语义相似度而建立。在映射特征向量时采用语义匹配的方式来统计特征出现的频率，以更好地反映文本中包含的信息，并提出改进的tf.idf特征加权方法。经过在实际数据和模拟数据集合上进行实验，结果证明服务分类系统分类效果理想。