随着Web服务(以下称WS)的兴起,Internet上涌现出了大量提供公共WS的服务提供者。随之而来的,许多不同的WS提供者提供相同或相似服务功能的现象也开始在网络上大量出现。当选取一个WS时,服务质量(QoS)是一个非常重要的考虑因素。当前的WS选取和推荐主要是基于服务器端的性能属性的,然而实际情况是,WS客户端分布在多种不同的环境中,不同客户对同一个服务所感知到的性能是大不相同的。因此,已往单一基于服务器端性能的推荐机制不能保证其有效性。如何针对客户所在的使用环境,为其选择最适合的服务就成为目前研究的热点问题。针对这个需求,本文研究的核心问题是在已经满足WS功能需求的前提下,如何针对用户所处的不同使用环境,推荐给客户最适合它的服务。本文深入研究不同使用环境对客户感知服务质量的影响,提出一种集成WS监测、分析、评价和推荐框架的新型推荐方法。该方法以端到端WS监测为基础,客户端对服务质量的感知为依据,克服了已往推荐方法单方面信任服务提供者或者第三方监测的弊端。本文在评价Web服务质量时选取了QoS指标中最重要属性之一：性能。建立以客户为中心的QoS指标体系,明确提出了客户在感知服务QoS属性中的中心地位。在对服务感知质量研究的基础上,本文对面向使用环境的端到端Web服务推荐机制作了研究。该推荐机制主要包含3个组成部分：端到端监测、客户分组、服务推荐。基于客户调用服务时使用环境的不同,本文重点对客户分组方法进行了深入研究,依据客户感知的吞吐率,通过聚类和推论算法对客户进行分组,并逐层深入和细化,通过合理的分组使组内的客户相似性达到最大,而组间的客户使用环境有明显不同。最后本文通过在互联网环境下的实验,展示了使用本文所提出的评价技术的推荐方案,验证了推荐方法的有效性。