.png){kind=icon}
返回
Truth Discovery From Multiple Dependent Sources
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSS.2026.3657429.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，物联网中智能设备的广泛应用导致万维网上的数据和信息呈爆发式增长。然而，来自网络的多重来源往往对同一对象提供相互矛盾的信息描述，从而增加了事实发现的任务难度，尤其是在信息可能被其他来源复制的情况下。现有方法通常忽略了这些来源之间的依赖关系和准确性，导致事实发现的准确性和效率较低。为解决该问题，我们提出了DepenBaye框架，该框架是一种依赖来源的事实发现方法，结合了贝叶斯概率、模拟退火算法和期望最大化（EM）算法。通过基于错误声明评估来源的复制概率，利用模拟退火算法识别可靠来源以提高效率。根据EM算法，迭代计算来源可靠性和声明置信度，以发现潜在事实。通过大量实验验证了DepenBaye的性能，其在效率和有效性方面均优于现有方法。
Keyword:
Bayesian model
dependent sources
probabilistic graphical models (PGMs)
truth discovery
期刊
IF:
4.9
论文数:
622
被引数:
6.8K
机构
引用论文
A Survey on Truth Discovery: Concepts, Methods, Applications, and Opportunities真理发现研究综述：概念、方法、应用与机遇.png)
IF0
PREAI
分享收藏分享收藏PPQC: A Blockchain-Based Privacy-Preserving Quality Control Mechanism in Crowdsensing Applications
PREAI
分享收藏On the Discovery of Evolving TruthProceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容