由于较高的时间成本和巨大的资源开销，用户无法通过调用所有Web服务来获取相应的QoS值，因此预测未知的QoS值非常有必要。

虽然已经提出了各种QoS预测方法，但很少有方法考虑到异常值，这可能会显著降低预测性能。

提出了一种对异常值有弹性的QoS预测模型。

首先，利用Cauchy loss来衡量观测到的QoS值与预测到的值之间的差距，原因是Cauchy loss具有鲁棒性，使得该方法对异常值有弹性。

其次，考虑时间信息，使得QoS预测结果具有时间感知能力。

在静态和动态数据集上进行了实验，结果表明，该方法比最优秀的baseline方法有更好的性能。