随着互联网上Web服务的日益增多,面对大量功能相同的候选服务,用户希望能够选择质量最优的候选服务。然而,用户通常并不知道所有候选服务的服务质量(Quality of Service,Qo S)。因此,基于Web服务的历史记录预测Qo S值得到了广泛关注。传统的基于协同过滤(CF)的预测方法可能会遭遇数据稀疏、用户信任等问题,导致在预测精度方面表现一般。为解决上述问题,本文提出一种基于覆盖随机游走算法的服务质量预测方法。该方法首先基于用户服务历史Qo S记录,使用改进的覆盖算法对用户进行聚类,选取与每个用户聚类次数的Top-K个用户为该用户的信任用户,连接所有用户与其信任用户构建用户信任网;其次,基于用户信任网提出一种随机游走预测方法,在随机游走的过程中,不仅考虑目标服务的Qo S信息,同时考虑相似服务的Qo S信息,以确保Qo S预测的准确性;最后,每次随机游走获得一个Qo S值,为使预测更加准确,我们进行多次随机游走,汇总所有Qo S值进行预测。为验证本文方法的有效性,我们在真实的Web服务数据集进行了大量实验,其中包括来自339个用户的5,825个真实世界Web服务的1,974,675个Web服务调用。实验结果表明本文方法在预测精度上明显优于现有方法,同时可以很好的解决推荐系统的数据稀疏和用户信任问题。