当今云计算SOA的架构模式成为当前企业的首选,这使得Web服务在数量上快速增长,随着用户群数量的不断增加,Web服务需求量也随之膨胀,在庞大的Web服务资源中,如何快速准确地为用户选取服务信息是当前服务资源选取项目的难题。尽管现有的服务推荐系统能够进行服务推荐,但在服务推荐的准确性和实时性上不够尽意,存在用户服务选取上没有随时间变化而变化的情况,以及在动态服务推荐中没有涉及到服务响应时间与服务推荐有效性和服务准确性之间的关系,从而在服务选取中直接导致服务选取的内容不够快速准确,不能满足用户的服务需求。针对这个问题论文从如何提高用户服务推荐的响应时间和服务推荐的准确率,在动态服务选取中采取怎样的Web服务选取方法来满足用户的服务需求做为切入点,从服务选取的实时性和有效性两方面开展研究,其主要内容有以下几点:第一,通过扩展Web服务描述语言,以重新定义端口的方式来重新定义Web服务,将新描述引入可进行概率不确定推理的BN,使BN能够能通过时间变化对贝叶斯变量进行约束从而影响服务选取的时间。第二,在贝叶斯服务选取模型中通过确定三个参数,包括时间片参数,扩展的服务响应时间,服务的语义参数等创建一个新的DBN,目的是可以通这这些参数计算,使贝叶斯服务选取可以动态地根据用户的需求进行服务取,保证服务选取的实时性。第三,服务选取中存在着冷启动与新用户的问题,论文在协同过滤方式基础上,采用以社区影响度计算出K个点,再应用K-Means聚类进行社区发现,对已有用户进行社区划分来对数据进行预处理,当遇到新用户或信息量稀少使贝叶斯动态选取方式条件性失效时,服务推荐模块可利用其相似用户数据进行计算来完成服务资源选取。综上所述,基于WSDL扩展的DBN服务选取技术,不论是冷启动与新用户的情况或是服务数据量巨大时,都可以对服务资源进行快速准确的选取。基于社区发现的数据预处理方式不论在时间还是在速度都要高于单纯的K-Mean处据处理方式,能够更好辅助模型进行服务选取。在BN应用有时间分析功能的DBN构造方法,以时间限制认知方式提高BN服务选择的准确率,保证了服务选取的有效性和实时性。经过在黑龙江省道路运输管局的运政测试系统中进行实例实验,发现以此种方式进行服务的选取可以使用户得到更实时、更准确的推荐结果,为用户节省了大量的业务处理时间提高了业务处理效率,最后从项目评分上看,得到了较好的满意度。