随着基于Web服务面向服务架构(SOA)框架的发展,对于没有经验的服务使用者来说,选择合适优质的服务是一种挑战。为此服务框架需要为用户提供建议选择。因此基于服务质量(QoS)的,对服务的预测和推荐的机制和算法研究变得越发重要。通过Web服务的相关技术建立服务运行调度框架,依靠对于QoS的处理形成一套预测和推荐的机制,使得服务系统能够完整和高效运行。本文立足于服务预测机制的采样、预测等重要环节,解决Web服务预测过程中的冷启动问题和数据稀疏性问题,在分析Web QoS数据集概率分布的基础上,对服务质量QoS的Web服务推荐机制与算法展开研究和实验。本文提出了新型的基于概率分布分析的服务采样方法提高采样数据信息含量,从采样环节提高了服务预测的效率。其次,为进一步改进服务预测方法提高预测精度,在服务预测环节,基于随机游走提高近邻相似度,并结合矩阵分解的方法提出了新式增强型算法。最后,在原始和训练数据概率分布检测的基础上,对多种算法的预测结果进行融合,进一步提升预测准确度。本文研究主要在提出服务预测机制算法的基础上,通过对于Web QoS数据集的仿真实验,对比同类方法的预测精度和运行效果,来验证方法的有效性和对于服务预测机制提升效果。实验结果表明通过相关环节的创新和改进可以提高Web服务预测精度,改善系统的服务质量。