大数据时代,越来越多的应用场景不再使用单一来源的数据进行刻画,而是采用多源数据融合的方式进行研究分析,以提高研究结果的全面性和准确性。多源数据融合下的数据质量评估将为多个领域提供高质量的数据。传统数据质量评估普遍基于单源数据,导致多源数据融合下的质量评估缺乏一个统一的评估体系。目前,非结构化数据快速增长,蕴含着巨大价值,重要性得到人们普遍认可。而对于不同应用场景,非结构化数据分析技术各异且存在难点,因此,如何评估多源非结构化数据融合下的数据质量成为了一个挑战。结合当下大数据背景,多源数据融合下的质量评估是数据质量评估领域中的一个重要研究课题。本文研究了多源数据融合场景下的数据质量评估的关键技术。首先,分析了多源数据融合下的数据质量问题,根据数据融合场景下的实际需求,构建了一个质量评估框架,包括各个质量维度、评估指标以及各个指标的评估模型。其次,针对非结构化数据质量评估,设计了主题相关性评估指标,并提出了一个新颖的质量评估方法。该方法借助基于深度学习的图像描述生成模型,采用自然语言处理技术,设计了文本相似度算法,实现了多源非结构化数据间的相关性评估工作。最后,由于本文提出了一个多维度、多指标的评估体系,因此,设计了基于熵权法和1～9标度法的整体指标评估方法。本文实验采用了昆明市的多源位置POI数据集（结构化数据）,多平台（百度、新浪、微信）热榜数据集、推特公开的情感分析数据集（非结构化数据）,针对不同数据集自身特性,灵活选取评估框架中的不同评价指标进行实例分析,验证本文评估框架的可行性。实验结果不仅给出具体数据质量得分,还直观反映出数据质量状况,表明本文研究可为舆情监控、城市热点挖掘等多源数据融合场景下的数据质量评估提供解决方案,且研究成果可为多源非结构化数据间的相关性挖掘提供实践支持。