服务可靠性预测一直是服务计算领域的一个重要研究课题,其预测结果对服务推荐与选择有着至关重要的影响。随着互联网的发展及其相关的技术的不断延伸,互联网用户所处的网络的软硬件环境呈现出复杂,动态和异构的特点,对服务提供商所提供的服务的可靠实施带来了挑战。因此在服务计算研究领域中,如何在大量相似服务中为用户选取高可靠性的服务已成为需要关注的问题。目前,可靠性预测方法主要是从用户或服务本身的角度来预测可靠性,而忽略了网络环境对服务可靠性预测的影响。另外,用户所在群组不同,即使对于某些Web服务使用的体验基本类似,给出的反馈也可能会存在很大的差异。因此从群组中对服务可靠性进行预测,可以保证业务可靠性预测的准确性。首先,从用户群组环境角度,本文主要针对现有的服务可靠性预测方法中存在忽略用户自身环境对服务可靠性产生的影响以及服务可靠性预测方法性能优化欠缺两方面展开研究,提出了一种带先验步骤的协同预测方法。该方法首先设计先验步骤环节,提出用户相似度阈值计算方法,降低预测的开销;然后,利用用户所隶属的固有群组中多个用户环境模拟个体用户环境变化,通过IPCC计算方法计算出服务相似度,再在补全可靠性信息矩阵的基础上利用UPCC方法计算基于服务的用户相似度;最后,将服务相似度与用户相似度协同,得出可靠性预测结果。仿真实验结果表明,本文提出的服务可靠性预测方法具有更好的预测效果。其次,从大数据场景下实施角度,提出大数据场景下面向群组的服务可靠性预测应用模型。主要针对服务可靠性预测消耗较大,在实时的大数据场景下难以应用等问题,提出了一种面向群组的服务可靠性预测应用模型,主要包括提出固有群组中用户相似度求解,动态计算相似度阈值,低成本计算服务相似度可靠性矩阵方法,离线计算可靠性矩阵模型,并通过CDN分发计算后的可靠性矩阵,基于地理位置处理用户的请求,保证了用户请求可以得到快速响应。最后,本文基于以上的方法与理论,构建了基于服务可靠性预测理论和大数据场景下理论的实施的原型系统,并给出了一个音乐服务可靠性预测的应用示范。原型系统的构建遵循需求分析、概要设计、详细设计及实现等步骤,完成了用户相似度阈值计算,用户群组归属,服务推荐等功能模块,验证了本文提出的算法可行性,展现了结合了面向群组的服务可靠性预测理论和大数据环境下其实施方法在现实应用场景下的推荐效果。