随着互联网经济的发展,众包模式成为了一种流行的协同计算范式。在基于众包模式的网络化服务系统（众包系统）中,请求者向众包工人（源）询问对象（任务）的真实情况（真值）,然后基于数据聚合结果对任务做出精准决策。然而,由于不同源的专业背景存在差异,所提供的任务答案（候选项）存在不一致甚至矛盾的情况,这将影响数据聚合结果的准确性,导致任务难以实现精准决策。真值发现是一种通过考虑源信度来提高数据聚合结果准确性的算法,它可以有效地处理不同源提供候选项之间的冲突,从而提高任务决策的精准性。根据任务答案的数量,真值发现可以分为单真值发现和多真值发现两类。在目前的众包系统中,绝大多数任务具有高度复杂性,这使得任务通常具有多个答案。因此,多真值发现算法是目前该领域的研究重点。本文根据众包系统处理任务的方式,分别从单任务和多任务两个场景对多真值发现算法进行深入研究,以提高数据聚合结果的准确性,实现目标任务更精准的决策。本文的主要工作如下:在单任务场景的多真值发现中,针对可信数据源不足将导致真值发现结果产生严重偏离的问题,我们利用候选项间相关性来提升多真值发现结果的准确性。首先,基于各个源的投票和可靠性,我们设计了一个势函数以度量候选项之间的相关性。然后,根据定义的连接规则,利用马尔可夫随机场构造候选项相关性的无向图。最后,将马尔可夫随机场转换为有向图,并利用最小割算法将有向图切割成两部分。其中,与汇节点连接的节点集对应的候选项集提取为任务真值,剩余候选项集视为非真。为了提升多任务场景的多真值发现结果的准确性,在单任务场景的多真值发现算法基础上,我们利用不同源提交的多个任务的数据重构源信度模型,实现源信度准确性的提升。首先,基于源完成的任务和提交的数据,我们设计了一个支持函数以度量不同源之间的相互支持程度。然后,利用马尔可夫链构建其支持关系图,使用随机游走方法计算马尔可夫链的平稳分布,并将平稳概率处理后作为源初始信度。最后,根据不同源提交数据之间的冲突,设计一个评估函数以评估不同任务完成效果的差异性。在更新源信度时,将任务完成效果作为权重加入计算式以求得更准确的源信度。在真实数据集和合成数据集上进行对比实验,实验结果表明我们所提算法比现有算法具有更高的准确性。