随着信息时代的迅速发展，互联网已经逐渐成为人们获取数据的主要方式。乃至当今很多的数据管理应用已经扩展到利用网络数据源来集成数据。那么对于现实世界中的同一个实体，不同的数据源可能对其提供冲突的描述，那么如何从这些冲突的描述中找出所有真实的信息就是冲突消解问题，我们主要研究语义上的冲突消解，也称之为真值发现过程。当原始数据中混乱实体集的比例越来越大，现有的方法准确率也逐渐降低。针对这一问题，本文提出了一种基于信息熵的数据划分方法，将原始数据划分成常规数据集和混乱数据集。通过基于概率模型的方法对常规数据集进行消解，采用多维属性对数据源进行评估，并且充分考虑数据源之间存在的依赖关系，消除数据拷贝所带来的影响。由于混乱实体集中的实体描述集过于混乱，现有的方法并不能有效的计算出真值。于是提出一种基于网络模式的消解方法，通过搜索引擎获取相应实体信息构造该实体的候选描述集，通过一种高效的候选集评估模型从候选集中找出真值，同时，候选集规模采用动态确定方式降低了计算量。除了考虑结构化数据的冲突消解，我们把背景扩大至社交网络中的话题讨论，由于数据的提供者不再是传统的数据源，而是人。通过网络获取话题相关描述，结合网络数据并通过给定的五个特性从用户提供的描述构建候选集。结合人应该具备的特性，对用户进行领域划分并通过划分结果对候选集中元素进行验证，选取最真实的描述。最后本文在真实数据集上的实验充分证明了我们各个方法的准确性和高效性。