Con la popularidad y la amplia adopción de la Arquitectura Orientada a Servicios (SOA), el número de servicios web ha aumentado exponencialmente. Los usuarios tienden a utilizar servicios en línea para sus necesidades diarias de negocios y desarrollo de software. Con la gran cantidad de candidatos a servicios web, recomendar servicios web deseables que cumplan con los requisitos personalizados de QoS (Calidad de Servicio) de los usuarios se convierte en un desafiante problema de investigación, ya que la preferencia de QoS generalmente es difícil de satisfacer para los usuarios, es decir, la preferencia de QoS es incierta. Para resolver este problema, algunos trabajos recientes han buscado recomendar servicios con diversidad de QoS para mejorar la probabilidad de cumplir con las preferencias latentes de QoS del usuario. Sin embargo, los métodos de recomendación de servicios con diversidad de QoS existentes recomiendan servicios con un grado de diversidad uniforme para diferentes usuarios, sin considerar los requisitos de diversidad personalizados. Con este fin, este documento propone extraer la preferencia de diversidad de un usuario a partir de su historial de invocación de servicios y proporcionar un algoritmo de recomendación de servicios web, denominado PDPP (Proceso Puntual Determinantal Personalizado), a través del cual se genera una lista de recomendación de servicios personalizada con diversidad preferida para el usuario. Los resultados experimentales exhaustivos muestran que el enfoque propuesto puede proporcionar servicios web personalizados y diversificados al tiempo que garantiza la precisión general de los resultados de recomendación.