本文研究了不同的信息融合技术在知识融合问题上应用的适用性和限制，从实体链接和模式对齐的角度分析了多个信息来源提取的真实主谓宾三元组，并将最先进的数据融合技术应用到包含 12 个提取器从超过 10 亿个网页中提取的 16 亿个独特的知识三元组的知识库中。通过该方法的详细错误分析，本文展示了数据融合方法在解决知识融合问题方面的巨大潜力，并提出了有趣的研究方向。

Mar, 2015

本研究提出了一个基于概率图模型的方法，可以自动推断真实记录和数据源质量，为解决数据集成中存在的真实性问题提供了一种新的方法。在两个真实世界的数据集上进行实验，我们的方法在真实性问题方面优于现有的最先进方法。

Mar, 2012

本研究提出建模 Web 数据源之间的互相关联性，并应用于数据真实性验证，以创建一个更干净的集成数据。

Mar, 2015

该调查综述论文讨论了多种真实性发现方法，它们的可靠性评估和正在应用的多个应用领域，并提出一些未来方向的探讨。

May, 2015

我们应用数据融合方法，使用多源多模态数据从混合学习环境中预测大学生的最终学业表现。我们通过应用四种不同的数据融合方法和六种分类算法进行实验，结果表明，使用集成和选择最佳属性方法进行离散化数据的最佳预测模型显示出在理论课程中的注意力水平、Moodle 测验分数以及 Moodle 论坛中的活动水平是预测学生最终表现的最佳属性集。

Feb, 2024

文章综述了记录链接、实体解析、概率论、聚类和规范化等领域的历史发展、目前应用和未来研究方向。

Aug, 2020

解决冲突是使多视角分类决策更可靠的关键，现有的基于信任的框架无法适应不同视角之间可能出现的冲突，因此我们开发了一种计算信任的折扣方法来增强现有的框架，通过考虑实例级概率敏感的信任折扣机制，对个体视角的预测进行融合以提高可靠性，在真实应用中的六个数据集上验证了我们的方法，使用了 Top-1 准确率、AUC-ROC 用于不确定性感知预测、Fleiss' Kappa 以及考虑了基准真实标签的新指标 Multi-View 一致性，实验结果表明，计算机信任可以有效解决冲突，为更可靠的多视角分类模型铺平了道路。

Jun, 2024

研究了 Deep Web 中两个领域，即股票和航班的数据真实性，并应用最先进的数据融合方法分析了其强弱之处，提出了有前途的研究方向。

Mar, 2015

本文总结了多个研究社区关于多源、多时间数据融合方法的进展，为不同层次（例如学生、研究人员和高级研究人员）的研究者提供了充足的细节和参考，以便于他们在这个具有挑战性的课题上进行新的调查。

Dec, 2018

使用 DFMF 矩阵三因子分解的数据融合算法，将基于特征、本体、关联和网络的十七种不同数据源有效地融合，可以用于基因功能预测和预测药理作用，并取得了比其他数据融合方法更高的准确度。

Jul, 2013