随着物联网技术的不断发展和普及,越来越多的企业将自己的业务流程封装为可供远程访问调用的Web APIs。这些轻量级Web APIs的出现,一方面扩大了APIs提供方的影响力,另一方面也为Mashup（混搭,指多个APIs集成的应用程序）开发者带来了诸多的便利。通过重用已有的Web APIs,开发者可以快速而方便的搭建自己需要的Mashup,不仅能够极大地缩短开发周期、降低开发成本,而且能够充分复用和借鉴领域中的最新研究成果,从而确保高质量的Mashup开发与应用。然而,服务分享社区中快速增长的Web APIs及其功能多样性,一方面为Mashup开发者带来了更多的选择余地,而另一方面也为其APIs选择决策带来了诸多的困难和挑战。基于上述的困难和挑战,APIs推荐系统应运而生。通过分析用户偏好或APIs调用记录,Web APIs推荐系统可以为用户返回一组最优的APIs,从而缓解开发者在选择APIs时的决策负担。然而,现有的APIs推荐算法仍然存在以下两大挑战:（1）APIs推荐结果不够兼容。现有的推荐算法往往根据用户信息或APIs调用记录为用户推荐其可能感兴趣的APIs组合,而忽视了所推荐Web APIs之间的兼容性。欠兼容或不兼容的APIs组合可能导致构建的Mashup运行不够稳定甚至无法正常运行。（2）APIs推荐结果不满足用户的个性化功能需求。开发者在搭建Mashup前,通常对预搭建的Mashup有着准确的功能期望。然而,现有的APIs推荐方法通常无法准确地洞察用户的Mashup开发需求,使得推荐结果不够个性化。在此情况下,如何从数目庞大、功能复杂的Web APIs当中为Mashup开发者推荐一组满足其个性化功能需求且兼容性最优的APIs,成为评判APIs推荐是否成功的关键标准之一。鉴于此,本文提出一个关键词驱动和兼容性感知的APIs推荐方法,并将该方法应用到系统中,实现了关键词驱动的兼容APIs推荐原型系统,具体工作如下:（1）针对现有的推荐方法无法兼顾Web APIs的功能满足性和相互兼容性的问题,本文提出K-CAR（Keyword-based and Compatibility-aware web APIs Recommendation）方法,以支持用户进行经济、方便、快速的个性化Mashup开发。该方法将推荐问题建模为最小群Steiner Tree问题,利用动态规划思想,逐步求取全局最优解,进而实现推荐结果在满足Mashup个性化开发需求的前提下兼容性最优。为了验证K-CAR方法的有效性,本文基于真实的PW数据集（https://www.programmableweb.com/）设计了一组对比实验,在多个指标上测试推荐方法性能。实验结果表明,论文提出的方法是可行的。（2）本文将上述的K-CAR方法应用于Web APIs推荐系统中,开发了一个关键词驱动的兼容APIs推荐原型系统。论文利用SQLite完成了系统数据库的设计,利用Python编程语言和Django框架实现了系统的功能模块,为用户提供切实有效的APIs推荐结果。