Web服务已成为主要的软件范例和计算资源，而如何实现Web服务匹配也已成为关键问题。 本文提出了一种自适应语义Web服务匹配方法，可以提高服务发现的准确性和召回率。 该方法将OWL-S的需求文档和服务配置文件本体分别转换为本体树。 通过分类和层次方法计算出树中相应节点的概念相似度，属性相似度和结构相似度。 然后根据概念相似度和结构相似度之间的关系定义一系列约束，得到相应的重组规则。 通过以自适应方式重构需求本体树，我们获得了更准确的目的地服务集合。 最后，提出了语义Web服务的匹配算法，并实现了

随着Web服务的爆炸性增长，关于如何快速找到所需服务的研究变得越来越重要和具有挑战性。 在本文中，我们将重点放在非语义Web服务发现上，并提出一种有效的集群化Web服务发现模型（CFWSFinder）。 与现有模型相比，CFWSFinder具有几个特征。 首先，在服务表示过程中，CFWSFinder导入WordNet和潜在语义索引以将非语义Web服务表示为低维紧凑型语义特征向量。 其次，在服务群集过程中，CFWSFinder使用修改后的内核批处理自组织图（KBSOM）神经网络来最大程度地缩短服务