随着互联网技术的发展,全球越来越多的互联网企业成为Web服务提供商,在各大Web服务平台上提供了大量的有相似功能或者描述的Web服务,使得用户很难快速且准确的挑选出他们满意的Web服务。为了克服这个问题,Web服务推荐系统已经广泛的应用于个性化Web服务推荐。尽管Web服务推荐系统展现了它在解决信息过载问题的潜能,但是面临着诸多挑战,如托攻击问题。推荐系统用户数据越丰富,推荐算法得到的推荐结果对用户越有利,所以推荐系统往往具有一定的开放性。这种开放性使得恶意用户可以通过注入虚假的用户概貌来影响推荐结果,也有用户随意输入数据影响推荐系统的稳定性及精准性,所以推荐系统在面临托攻击以及无意义的数据时表现出脆弱性。本文针对这种情况,提出基于重要用户的Web服务推荐系统,主要工作包括:(1)阐述了Web服务推荐系统的研究背景、现状及意义,提出了本课题的主要研究内容,并对本文使用的相关技术进行了深入的研究和分析,包括Web服务相关技术,协同过滤推荐算法以及托攻击相关技术。(2)对Web服务推荐系统鲁棒性进行了详细的分析,并深入研究了Web服务推荐系统中可能存在的托攻击模型。提出了基本的Web服务攻击模型、帕累托Web服务攻击模型以及基于地理位置信息的Web服务攻击模型,并在数据集WS-DREAM上进行了5组实验,验证了提出模型的合理性及可用性。通过实验结果发现,在面临托攻击时Web服务推荐系统存在一定的脆弱性。(3)提出了一种基于重要用户的Web服务推荐系统,从QoS质量、用户行为和用户社交关系三个角度分析了用户的重要性。通过在相关数据集上的实验,发现,针对重要用户的Web服务推荐在面临托攻击时有较好的鲁棒性,并且能够提高推荐的精度。(4)结合软件工程理论设计了一个基于重要用户的Web服务推荐的原型系统,并展示了系统的主要功能。