随着互联网技术的不断发展，信息服务的数量和种类越来越多。面对规模如此庞大的信息服务,如何快速有效地帮助用户找到满足其需求的服务则成为用户使用信息服务之前首先要解决的问题。已有的服务推荐方法大多假设已知满足用户功能需求的服务集,采用协同过滤的方法从众多功能相同或相似的服务集中向用户推荐具有最优Qos属性值的服务。这些方法一方面忽略了用户对服务Qos属性的个性化偏好,另一方面不能向用户推荐满足其功能需求的服务。同时,在服务推荐过程中，一些新发布且满足用户需求的优质服务由于被用户关注或使用的次数较少而往往得不到推荐。作为Web2.0技术的主要应用,社会化标签具有实现简单、使用方便且能动态适应网络资源组织的特点,若将其应用到信息服务的推荐过程中,一方面有助于用户对服务进行评价,另一方面用户对信息服务进行标注的行为可以在一定程度上反映出用户的个性化兴趣偏好,为实现服务的个性化推荐提供重要依据。因此,本硕士论文针对现有服务推荐研究工作中存在的问题，围绕基于社会化标签的服务个性化推荐机制开展相关研究,主要工作包括以下几个方面：(1)通过分析社会化标签的特点,将社会化标签引入到信息服务推荐领域,建立面向服务的社会化标签模型,用于刻画信息服务的功能属性和非功能属性,为进一步分析用户对服务的个性化偏好和服务特征提供依据。(2)基于面向服务的社会化标签模型,分析用户对服务功能的个性化偏好及服务功能特征,提出了一种面向服务功能的个性化推荐方法。该方法根据用户使用服务的频繁程度找到目标用户的邻居用户集,并基于服务功能特征向量将目标用户及其邻居用户使用过的所有服务进行聚类,最后根据用户对服务功能标签的标记情况计算目标用户对服务类的偏好程度,并为目标用户推荐满足其个性化功能需求的服务集。同时,聚类方法的使用提高了新发布服务的推荐机会。(3)在推荐的满足用户功能需求的服务集基础上,考虑用户对服务质量的个性化需求以及服务Qos属性的动态性,进一步提出了一种面向服务质量的个性化推荐方法。该方法利用服务Qos特征将众多功能相同或相似的服务聚集成若干Qos服务类,并通过分析用户对服务类中服务使用情况的相似性发现邻居用户,一方面有助于缓解邻居用户发现过程中面临的数据稀疏性问题,另一方面有助于根据邻居用户使用服务的情况为目标用户推荐满足其服务质量个性化需求的服务。综上所述,本论文对服务的个性化推荐问题进行了深入研究,建立了面向服务的社会化标签模型,分别提出了一种面向服务功能和面向服务质量的服务个性化推荐方法,并通过一系列的仿真实验及原型系统实现,验证了本论文取得成果的可行性和有效性。