随着面向服务架构模型的广泛使用,Web服务技术也得到了长足的发展。目前,市场上各种应用系统对Web服务的使用越来越频繁,在保证Web服务功能性属性的前提下,Web服务非功能性属性QoS(Quality of Service)则成为用户关注的热点。Web服务的性能高度依赖于Web服务的QoS,QoS是Web服务性能优劣一个重要评价体系,它代表了一个Web服务的可靠性程度。当下,QoS预测是服务选择和服务推荐中最关键的一步,现有的研究主要是对QoS值的精准预测,研究是将客户端调用Web服务的QoS值作为精确的点估计进行预测、评价和使用,并没有分析其波动范围。实际上,由于互联网和Web服务器负载的随机动态性,大部分的QoS值也是随机动态的,客户端调用Web服务的QoS(如响应时间,吞吐率等)值都是动态的区间,并不是精确地值。针对现有Web服务的QoS预测存在的问题,本文提出了利用非参数统计学的Bootstrap技术来估计和预测Web服务的QoS置信区间,并据此比较Web服务的性能。论文研究内容包括:1)分析了Web服务技术的相关背景以及统计学的相关基础,介绍了协同过滤和推荐系统技术以及QoS预测的相关算法。2)利用Shapiro-Wilk正态性检验法,论证了客户端调用Web服务的响应时间不服从正态分布。3)利用kruskal-Wallis检验方法,论证了不同客户端调用同一Web服务以及同一客户的调用不同的Web服务,客户端所经历的平均响应时间具有统计上的显著差异。因此,我们在研究中应该估计客户端调用Web服务的平均响应时间的置信区间,分析其波动性。4)利用非参数统计学的Bootstrap技术和协同过滤算法,分别估计和预测出用户调用Web服务QoS的置信区间,并据此比较Web服务的性能,最后通过对现有的公开数据集进行实验验证了本方法的合理可行性。实验结果表明,相对于Web服务QoS精准预测的缺陷,本文所提出的基于Bootstrap方法可以实现估计和预测Web服务QoS值的置信区间,具有一定的高效性和可行性,为Web服务选择和组合带来更契合实际的借鉴。