数据真值发现算法主要包括以下几种：
1. 聚类算法
聚类算法是一种无监督学习方法，通过数据的内在结构将其划分为不同的组或簇。在数据真值发现中，聚类算法可以帮助识别数据的集中区域，从而发现潜在的真实值或模式。常见的聚类算法包括K-means聚类、层次聚类等。
2. 协同过滤算法
协同过滤是一种基于用户或物品相似度的推荐算法。在数据真值发现中，它可以用来识别具有相似特征的数据点，从而揭示数据的真实模式。这种算法广泛应用于社交网络、电商等领域的数据分析和推荐系统中。
3. 深度学习算法
深度学习通过模拟人脑神经网络的连接方式，对数据进行复杂的分析和学习。在数据真值发现中，深度学习算法能够捕捉数据的深层特征和规律，从而更准确地发现数据的真实值。例如，神经网络、卷积神经网络等在图像和文本数据处理中表现出优秀的真值发现能力。
4. 众包方法
众包是一种利用大量用户来解决问题的方式。在数据真值发现中，众包可以通过大量用户的标注和反馈来验证数据的真实性。这种方法适用于需要大量人力参与的数据清洗和标注任务，如图像标注、文本情感分析等。
以上这些算法在不同场景和类型的数据中都有各自的优势和应用。聚类算法擅长发现数据的内在结构，协同过滤适用于推荐系统的数据真值发现，深度学习能够处理复杂数据的真值挖掘，而众包方法则适用于需要大量人力参与的数据清洗和验证工作。在实际应用中，可以根据数据的特点和需求选择合适的算法进行真值发现。