随着电子技术，电子商务，泛在技术和面向服务的技术的迅猛发展，现代服务业与信息产业的融合程度逐步加深。如何帮助用户解决复杂服务资源环境下面向用户个性化需求的网络服务智能发现成为服务领域专家学者所需要重点研究的关键问题。就目前的研究现状而言，存在众多待研究的问题，如：（1）伴随服务种类和服务数量的增加，如何根据服务的特征及属性帮助用户智能化地实现服务的选择和决策制定，提升用户体验并实现长尾效应，以期促进并取得新型服务产业的长足发展和企业价值的最大化。（2）随着用户需求多样性和复杂性的增加，如何缩减简单的海量信息呈现方式下用户在完成服务消费之前必需完成大量的服务搜索、信息分析、属性比较等工作，降低服务发现成本。（3）如何智能挖掘用户需求多样性和潜在用户偏好以应对用户需求个性化给复杂网络环境下网络服务智能发现与推送所带来了的挑战等。论文在借鉴国内外现有的网络服务市场长尾效应理论、网络用户行为理论、服务发现学习理论、方法和技术的基础上，结合服务发现与服务组合的研究成果，对复杂环境动态变化情况下网络服务智能发现方法展开研究，提出支持复杂网络环境下面向用户个性化需求的网络服务智能发现解决方案以解决上述问题。该方案首先提出面向用户偏好的网络服务智能发现框架，并在此基础上设计网络用户模型和网络服务本体模型；然后提出个性化网络服务本体库的生成与优化方法，最后设计基于个性化网络本体库的网络服务智能发现方法，并采用案例研究进行验证。论文主要研究创新如下：（1）面对现有Web服务发现方法只考虑服务功能请求和质量需求而忽视用户历史服务信息对用户制定服务决策的影响力问题，本文提出构建网络服务用户模型以实现服务用户个性化信息的存储、描述以及用户服务偏好的挖掘。设计了网络服务用户模型以及相应的计量标准，旨在通过交叉关联和社会化推荐解决服务发现流程的数据稀疏和冷启动问题，深入挖掘服务用户行为模式以提升服务用户信息利用程度，实现其商业价值并优化服务发现性能。（2）在传统的基于Web服务提供商服务知识提供的服务本体模型构建基础之上，结合用户服务行为变化，提出了基于网络服务用户需求和偏好的个性化网络服务本体生成方法；通过网络服务用户兴趣度和网络服务用户适合度等指标进行服务操作判断，实现个性化网络服务本体的动态更新，提高了候选服务发现准确性和效率，以符合用户满意度的服务体验促进服务用户忠诚度的提升，促进服务发现运营价值最大化目标的实现。（3）以网络服务用户兴趣度和网络服务用户适合度为基础，以有效满足用户个性化网络服务需求为目标，从用户服务请求和候选网络服务的匹配映射出发，设计了基于个性化网络服务本体的网络服务智能发现算法，从服务名称、服务属性矩阵和服务关联关系相似性三方面设计算法，实现了用户个性化服务偏好的有效挖掘利用与服务发现效率的提升，为用户创造新的网络服务模式，对发展我国新型现代服务业具有极为重要的意义。