基于数据源分类可信性的真值发现方法研究

来源：计算机研究与发展杂志2015年第9期北京时间：

作者：马如霞,孟小峰,

摘要：网络的普及和电子商务的发展改变了人们信息获取以及消费的方式.Web已经成为大多数人获取信息的重要来源.与此同时，互联网信息质量问题也逐渐凸显.Web中存在大量过时、错误、虚假、片面的信息.其中，不同网站为相同对象提供冲突信息的问题尤为突出.如何从这些冲突信息中找到正确信息成为亟待解决的问题，这类问题又被称为真值发现问题.通过对现有真值发现问题解决方法的调研，发现现有方法均未考虑数据源分类可信性差异对真值发现的影响.因此，提出基于数据源分类可信性的真值发现问题.提出2种方法探测数据源分类可信性差异，并采用贝叶斯的方法迭代计算数据源分类可信性和属性值准确性.另外，通过考虑数据源覆盖率和对象难度对真值发现的影响，进一步提高真值发现算法的准确性.一个真实数据集的实验结果表明，所提方法可以显著提高真值发现的准确性.

关键词：真值发现, 数据冲突, 数据源分类可信性, 信息质量, 数据融合,