传统推荐技术已无法满足多源海量服务资源环境下以客户为中心的均衡推荐和组合推荐需求。本项目以“服务资源统一描述、发现与聚合——客户复杂需求描述和获取——满足客户复杂需求的服务资源推荐”为主线，攻克四个层次的关键科学技术：（1）面向服务资源描述与组织的可扩展语义模型和语义词典。服务资源语义模型为“网络服务资源——本体实例——本体——本体元模型”四层建模框架，通过向上逐层抽象和向下逐层扩展机制，为服务资源的统一描述与组织提供了灵活的框架。中文电子商务语义词典描述了服务资源的商业属性和复杂语义关系，收录服务资源术语2万多个，提供语义关系查询和编辑、语义相似度计算功能，为中文环境下服务资源的组织提供语义计算支撑。（2）基于语义模型的多源海量服务资源智能发现与聚合技术。一是多源服务资源本体半自动学习技术，遵从服务资源语义模型逐层抽象机制，基于网站层次结构和数据库ER模型获取服务资源本体概念、关系和属性，解决了多源服务资源的标准不一和语义互操作问题。二是海量服务资源实例分布式发现与聚合技术，基于Hadoop云平台，以服务资源本体为框架，半自动地从数据库与电子商务Web网站中高效析取服务资源实例；基于服务资源实例间语义相似度进行消重与聚合，形成海量服务资源实例库，实现服务资源的高效与精准检索。（3）客户复杂需求的本体建模与智能获取技术。将客户需求表示为<目标，约束，偏好>三元组，并与服务资源本体概念、属性和语义关系相映射，解决了客户对服务资源均衡需求和组合需求的描述问题；基于对话引导与客户综合反馈挖掘，对客户需求进行语义解析与分解，逐步精炼和优化约束与偏好，最终获取客户复杂需求。（4）满足客户复杂需求的服务资源均衡推荐和组合推荐技术。一是基于本体实例语义相似度的服务资源均衡推荐技术：基于服务资源本体实例多层次语义相似度向客户作出推荐，满足客户对服务资源功能、属性和质量的均衡需求。二是基于属性多层关联和CQoS优化的服务资源组合推荐技术，基于不同服务资源之间属性值的关联关系和属性多值泛化挖掘多层关联规则，向客户推荐符合其需求的服务资源组合；以客户个性化集成CQoS最优为目标，服务资源功能和属性为约束，建立优化模型求解将最优服务资源组合推荐给客户。