解决关联数据中对象冲突的真相发现方法

在关联数据社区中，由于语义网的开放性，任何人都可以将其数据作为关联数据发布到网上。因此，描述同一现实世界实体的 RDF（资源描述框架）三元组可以从多个来源获得；这不可避免地导致某个现实世界实体的特定谓词出现冲突对象。本研究的目标是从某个现实世界实体特定谓词的多个冲突对象中识别出一个真相。一个基于常识的直观原则是：来自可靠来源的对象是值得信赖的；因此，提供值得信赖对象的来源是可靠的。基于这一原则，已提出了许多真相发现方法来估计来源可靠性并识别真相。然而，现有真相发现方法的有效性受到每个来源提供的对象数量的显著影响。因此，这些方法无法简单地扩展到解决具有无标度特性的关联数据中的冲突，即大多数来源提供很少的冲突对象，而只有少数来源拥有许多冲突对象。为应对这一挑战，我们提出了一种名为 TruthDiscover 的新方法，用于在具有无标度特性的关联数据中识别真相。TruthDiscover 采用两种策略来降低无标度特性对真相发现的影响。首先，该方法利用来源信念图的拓扑性质来估计来源的先验信念，这些先验信念用于平滑来源的可信度。其次，该方法利用隐马尔可夫随机场对对象之间的相互依赖性进行建模，以准确估计对象的信任值。在六个数据集上进行了实验以评估 TruthDiscover。