面向服务体系结构(service-oriented architecture:SOA)是基于标准协议,粗粒度和松散耦合的通用框架。它支持平台无关化和标准协议,将功能单元构建为服务,以中立的接口访问这些服务,提高软件开发的效率。根据业务需求的变化,它通过模块化的方式添加服务,提高软件资源的可重用性。由于当前服务数量大量增加,如何从大量的服务中选择满足用户需求的特定服务,服务推荐能够根据用户的偏好自动的推荐服务。由于服务器的负载资源是一定的,不同的服务占用不同的服务器负载资源,为了将合适的服务推荐给服务器,实现服务器的负载均衡,提高服务器的负载能力。对于传统负载均衡策略无法有效衡量服务器的负载特性和偏好的问题,本文提出一种基于负载均衡的web服务推荐的方法。针对不同服务器的负载特性偏好实施服务推荐,并融入服务器的负载均衡策略中。本文的主要工作分为以下三个方面。(1)通过概率矩阵分解方法实施Web服务预测,通过服务的历史运行状态和实时运行状态对服务的负载相关属性(例如响应时间、吞吐量等)进行分析和预测,预测结果用于服务的静态推荐和动态推荐。(2)服务器运行前,通过协同过滤算法来实施服务的静态推荐,计算预测的服务之间的相似度,将相似的服务推荐给服务器,即将推荐的服务布置到服务器上,然后进行服务的动态推荐。(3)服务器运行时,通过协同过滤算法来实施服务的动态推荐,计算预测的服务之间的相似度,将相似的服务推荐给服务器,即将推荐服务的服务请求分配给服务器。通过轮询算法和服务器负载预测方法来实施服务请求分配。轮询算法把服务请求轮流分配给内部的服务器。通过概率矩阵分解方法实施服务器负载预测。在服务请求分配过程中,如果服务器负载过高时,服务请求会被依次轮询到下一个服务器,直到服务器负载正常。Web服务动态推荐方法能够合理的调整各个服务器的服务请求分配,提高服务器的负载能力。通过样本加权的方法来处理web服务预测模型和服务器负载预测模型中训练数据的离群点,提高Web服务预测精度。通过均方根误差(RMSE)和平均绝对误差(MAE)验证了 web服务预测模型和服务器负载预测模型的有效性。结果表明了web服务预测模型和服务器负载预测模型有比较好的预测效果。通过准确率与召回率验证了 Web服务静态推荐方法和Web服务动态推荐方法的有效性。结果表明了Web服务静态推荐方法和Web服务动态推荐方法有比较好的推荐效果。通过残差曲线判断预测值与真实值的拟合度和样本点分布情况。