随着以Web服务、云服务为代表的互联网服务的蓬勃发展,服务形式及服务数量都在迅速的增加。因此,对于用户来说,如何选择合适的服务成为一个亟待解决的问题。服务推荐技术在这种背景之下出现,并成为解决上述问题的有效手段。论文围绕服务推荐话题展开,主要进行了三方面工作。首先,论文从传统推荐方法不注重时间信息的缺陷出发,将时间信息纳入协同过滤推荐方法中,提出了一个考虑时间信息的QoS值预测算法,以此为基础实现了时间感知的基于QoS值服务推荐方法,并且用实验验证了该方法的可行性及优越性。其次,论文将服务推荐与多目标推荐结合,提出了一个基于多目标决策的多目标服务推荐方法。该方法将用户需求泛化为多目标决策中的目标,提出了完整的目标满足度及目标集满足度的衡量方法,并且考虑到了目标之间存在优先级的现实场景并实现其衡量方法,使得该方法尤其适用于服务推荐场景。最后,论文实现了一个云服务推荐引擎系统。该系统的推荐方法基于上述两种推荐方法,结合云服务抓取,云服务对象化存储等模块,实现了为用户提供其感兴趣的云服务提供商及实例的功能。该系统的用户界面以网页的方式加以实现,用户可以通过与网页交互提出自己的需求,并得到云服务搜索结果。