SmartMTD：一种用于有效多真值发现的图方法
数据库
2017-08-08 v1
摘要
大数据时代的特征是海量数据由众多来源提供并被许多关键的数据驱动应用所使用。由于来源的可靠性不同，多源数据中出现冲突是很常见的，这使得很难确定应该信任哪些数据源。最近，真值发现作为一种解决这一挑战性问题的手段应运而生，它通过同时估计数据源的可靠性来确定数据的真实性。当前真值发现方法的一个基本问题是，它们通常假设每个对象只有一个真值，而在现实中，对象可能有多个真值。在本文中，我们提出了一种基于图的方法，称为 SmartMTD，以解开超越单真值假设的真值发现问题，即多真值发现问题。SmartMTD 对两类来源关系进行建模和量化，以精确估计来源可靠性并检测来源之间的恶意一致，从而实现有效的多真值发现。具体而言，基于所建模的来源关系构建了两个图。通过随机游走计算，它们进一步被用于推导来源可靠性的两个方面（即正精度和负精度）。在两个大型真实数据集上的实证研究证明了我们方法的有效性。
引用
@article{arxiv.1708.02018,
title = {SmartMTD: A Graph-Based Approach for Effective Multi-Truth Discovery},
author = {Xiu Susie Fang and Quan Z. Sheng and Xianzhi Wang and Anne H. H. Ngu},
journal= {arXiv preprint arXiv:1708.02018},
year = {2017}
}