Web服务组合的目标是将功能不同的服务堆叠在一起以创建新的增值服务。自动化的Web服务组合是面向服务计算的重要研究方向之一,因为它允许用户仅简单地通过指定应用程序所需的输入和输出,以及程序应遵守的任何约束条件来创建应用程序。而一般来说,研究人员的目标则是通过同时考虑功能和非功能特性来进行自动化的Web服务组合。但是,如何以一种高效的方式,从庞大的候选服务仓库中选择和组合服务,使得用户的复杂需求得到最大置信度的满足,这依然是一个巨大的挑战。另外地,传统的Web服务组合通常考虑服务的功能性特性,即输入和输出,以及非功能性功能,如服务质量,结构约束,用户偏好和服务的可信度,将不同功能的服务进行组合以满足用户的复杂需求。但是,在一些复杂的实际应用场景中,具有相同功能的Web服务可以提供丰富而又具备差异的内容信息而用户对这些信息具备一定程度的筛选条件,而目前已有的研究中并没有注意到这一点,即在进行服务组合时考虑用户对Web服务所提供内容的约束限制。总体来说,本文在进行服务组合时同时考虑了下面三个维度上的信息:功能特征,服务质量和用户对Web服务所提供内容的约束条件。为解决这一新问题,本文提出了一个带用户约束感知的基于Qo S的服务组合框架。该框架旨在保证整个求解过程重用户的约束不被违背。更进一步地,将用户约束限制下的条目解数量化成一个新的Qo S指标,纳入目标函数里面进行求解。具体是将带用户约束的基于Qo S的服务组合问题建模成一个单目标的组合优化问题,使用改进的遗传算法求解。在实验中,本文使用了旅游领域的真实数据集。实验结果证明,在满足用户对内容约束的前提下,我们的方法在创建功能齐全且服务质量最优的解决方案过程中是有效的。更进一步地,本文还针对用户约束感知下基于Qo S的服务组合这一新问题可能带来的2个子问题即过约束问题和欠约束问题进行了研究,并提出了相应的解决方案。一方面,本文考虑了用户提供的约束可能会存在潜在冲突的情况,这种隐式冲突约束将会导致过约束问题即无解情况的发生。为了解决这一问题,本文将该问题建模成了约束满足问题,并改进了2种已有的约束纠正方法。这2种改进后的约束纠正算法能以更少的冲突性检查代价解决过约束问题。为了验证本文提出算法的有效性,本文分别在旅游领域的真实数据集和约束满足领域的基准数据集进行了实验。实验结果表明,本文改进的算法所需要的冲突性检查代价最少,效率最高。另一方面,我们还研究和探讨了用户需求不明确的情况引起的约束不足问题即解爆炸问题。传统的做法是,当用户需求不明确时,往往需要使用额外的信息发现用户的潜在需求。本文使用数据挖掘手段,从解空间自身的信息中寻找用户的潜在的兴趣点。具体为本文提出了一种约束引导机制来帮助用户在过多的解决方案空间中快速找到满意的方案。在实验中,本文使用了公开的房源信息的数据集并开发出了一个房源信息查询的仿真系统。然后在不同规模的数据集上进行了对比实验:随机模拟实验和仿真实验。实验结果表明,跟普通查询和仅仅使用约束满意度等方法对比,本文的约束引导机制方法能够以更少的浏览成本找到用户满意的解。