Web 数据融合的关键是判定冲突 Web 数据的可信度。已有算法只采用观察值之间的相似关系而忽视包含关系对可信度进行修正,针对这一问题,在分析观察值本身特性的基础上定义观察值包含度,提出利用观察值包含度对观察值可信度进行修正的模型。将观察值看作随机变量,观察值的可信度问题可归结为观察值的后验概率分布问题。在贝叶斯分析的基础上,定义数据源可信度,推导出数据源可信度与观察值可信度之间的关系模型;并提出基于贝叶斯理论的冲突 Web 数据可信度算法 DataCredibility 。实验结果表明,与基准算法相比,DataCredibility获得了更高的精确度、召回率及 F1测度值。