Web服务是一种通过标准协议用以保证互联网上异构平台间的应用服务可进行互操作的技术。随着互联网以及Web服务技术的快速发展，企业的开发需求不断更迭，因此，Web服务的数量也正在变得越来越多。然而，当用户面对众多具有一致或者类似功能实现的Web服务，如何选择其中最佳的Web服务用以构建Web应用成为了一个极具价值的研究课题。由于网络的不稳定性，并且不同用户所处的网络环境不同，服务提供商不能保证同一Web服务对所有的用户具有相同的QoS。并且，让所有用户调用存在于互联网上所有的Web服务以收集个性化的QoS记录又是不切实际的。因此，如何准确地预测QoS以辅助选择合适的服务来构建Web应用也成了一个亟待解决的问题。本文论述了稀疏历史数据条件下关于QoS预测问题所面临的难点，分析了近年来国内外的关于QoS预测的研究现状与进展，设计了两种模型用以预测Web服务QoS，并通过模型融合的方法结合两者的优势，以期最终提高QoS的预测精度。首先，论文简要地介绍了Web服务QoS预测问题所涉及的知识与技术，包括了Web服务、QoS概念、各种推荐技术以及相似度算法等；其次，将基准偏置模型引入概率矩阵分解模型，并且将相似邻居的先验信息加入已有概率模型，推导出含有相似邻居正则化项的概率矩阵分解（PMF）模型；再次，提出一种扩展的基准偏置模型，并且将一部分上下文信息通过潜在特征空间映射的方式构建容纳更多信息的概率模型；然后，结合上述两种模型的优势，提出了基于相似邻居正则化与潜在特征空间映射的混合模型；最后，分别针对上述三种模型进行了实验验证与分析，用以证明本文提出的模型的有效性，尤其是数据稀疏的情况下。