大数据时代,某一个实体的相关信息往往由多个不同的数据源同时提供。但是,因为数据源的可靠度不尽相同,不同的数据源对同一实体提供的信息并不是完全一致的,因此数据冲突是不可避免的。同时,少数可信度较低或者恶意的数据源,甚至会提供远远偏离实际数据的观测值,使用户做出错误的决策。因此,为了从多个可靠度未知的数据源中找到值得信赖的数据,提升数据的可用性,真值发现技术应运而生。近年来,真值发现受到了产业界和学术界的广泛关注。但已有的真值发现算法往往是面向局部的,缺乏对输入数据的全局统计描述,这导致真值发现算法在使用时出现了如下问题:首先是输入数据的适应性问题。已有的真值发现方法因为并不关心输入数据的整体统计分布,而是通过数据驱动,对特定的非可靠数据源进行特征挖掘式的排除。因此已有的真值发现方法的性能会随着输入数据集的变化而产生剧烈的变动。其次是输入噪声的单一模型问题。因为不考虑输入数据的统计特性,已有的真值发现方法往往采用均值为0,方差未知的正态分布对非可靠数据源的噪声进行建模。但这在现实应用中是不合理的,比如:气象观测中,由于采集数据的传感器故障等原因导致该传感器的误差分布往往是非0均值的。因此,本文尝试从对输入数据的统计特征参数的估计出发,研究性能更稳定,更符合特定应用场景的真值发现算法。主要的工作以及创新点归纳如下:1、针对输入数据的适应性问题,提出基于均值与中位数估计误差的真值发现算法。该算法能够从多源观测值集合中去除由不可靠来源给出的错误观测值,提升数据的可用性。我们在理论上分析了方法的可行性,并且在三个不同的数据集上进行了实验,实验结果证明了方法的有效性。2、针对输入噪声的非0均值问题,提出了基于置信区间估计的真值发现方法。该方法对实体总体均值的置信区间给出了新颖的表示,通过给定的置信区间可以识别出潜在的不可靠数据源,通过去除识别出的不可靠数据源提供的错误观测值,我们可以获得实体总体均值的更可靠估计。我们通过理论分析证明了方法的可行性,同时在多个数据集上进行的实验显示了我们方法的有效性。