问题现状背景
数据管理应用需要整合多个来源的数据，这些多个来源的数据有可能冲突，为了提供数据的质量，需要解决冲突以及发掘反应真实世界的values，这个过程也叫做数据融合。
传统的方法是投票
论文的贡献（解决的问题）
本文提出了一种在大量有冲突的数据源中发现true values的数据融合方法，并且数据源之间可以copy。
- 考虑数据源之间copy的情况（但不支持两个数据源互相copy）
- truth discovery准确率提高
- 可扩展到大数据源的情况
举例
本文用一个例子，详细的对应计算贯穿全文，便于理解。
主要方法/特征
Intuition：
- 共享正确的值不一定表明copy，但如果两个源独立则共享错误值是一个低概率事件。
- 考虑投票的准确性（数据源的准确性用概率表示，需要鉴别数据源的独立性以及哪个源是copier）
Source Accuracy in data fusion
Problem: 给定数据源，对于每一个object确定其true value
计算一个数据源的准确性概率：
将数据源S的accuracy记作A(S)，计算方式为源中所有值为真的平均概率，S提供一个特定错误值的概率为(1-A(S))/n。
计算一个value为真的概率：
采用贝叶斯概率计算一个值为真的概率P(v)=Pr(v true/O的所有观察值)，通过计算先验概率Pr(O的所有观察值/v true)，Pr(O的所有观察值)
为了简化计算，v的置信度(confidence)记作C(v)，数据源的准确分数记作A’(S)，则C(v)为所有数据源分数的求和，P(v)也可以用C(v)表示。
Copying relationships in data fusion
分两种数据源：独立和有copy关系。
两个数据源提供的值分三种情况：Ot表示S1和S2提供相同的true value；Of表示S1和S2提供相同的false value；Od表示S1和S2提供different value；这三种value集合共同构成Phi空间。
依然采用贝叶斯概率，分别计算Pr(Phi/S1与S2独立)，Pr(Phi/S1->S2)，Pr(Phi/S2->S1)，可由此计算Pr(S1与S2独立/Phi)
Independent Vote Count of a Value
即使copier也会提供不同于原始源的值，我们会计算每个值的independent vote。首先，采用一种贪心算法去决定所有源独立性的排序，越独立的排序越靠前。然后，再计算S独立的提供v相较于其他源S0提供v的概率，I(S)。则v的confidence为，C(v) = A’(S)*I(S)对所有源的求和。
Iterative Algorithm - ACCUCOPY
迭代计算：accuracy of sources, copying between sources, and confidence of values
初始状态给每个源初始化相同的准确度，每个value相同的正确概率。1）根据前次的C(v)计算copying关系；2）更新C(v)；3）更新源的准确度。
最多2l*n0轮收敛(l为object个数，n0为每个源的value个数)，每轮的时间复杂度为O(object的个数x源的个数的平方xlog(源的个数))
效果结论
http://lunadong.com/fusionDataSets.htm上AbeBooks.com各个书店的计算机类图书书单。
我的总结
原先的判断true value的投票算法并未考虑源之间互相抄袭的情况，本文的算法中考虑了这种情况后，准确率大大提高。