为了解决服务推荐过程中的特征稀疏问题、提高服务的语义表示能力，进而提升推荐的准确性和有效性，提出基于图注意力网络(graph attention networks, GAT)研究服务推荐方法，引入服务的组合权重和组合的结构信息，综合利用多种服务特征，提高服务推荐质量。将GAT和注意力因子分解机(attention factorization machine, AFM)结合在一起，利用多头自注意力机制，学习每个节点在图邻域中的重要性；进行信息聚合，处理网络中的不同图结构，以适应服务动态变化的场景。实验结果显示，在数据平衡的情况下，提出的方法性能表现均好于对比方法；在数据不平衡的情况下，提出的方法大部分性能指标也表现良好，达到了提升服务推荐准确性和有效性的目标。