语义Web作为数据之网正在不断地汇集并组织Web信息,因此相关应用面临着对语义Web所含的大规模RDF(Resource Description Framework,资源描述框架)数据进行高效访问的挑战。另一方面,由于现代科学的研究方法和测量技术普遍存在误差和噪声,数据集集成后存在的数据杂乱等因素,使得RDF数据具有不确定性。在语义Web领域,不确定RDF数据查询的研究已经引起了学术界的广泛重视,成为新近发展起来的研究热点。本论文研究的目的就在于设计出高效准确的算法进行不确定性RDF数据的查询,提高查询效率。论文具体所做工作如下：构建不确定RDF数据基准。考虑到目前在进行不确定RDF数据研究时,并没有可以直接获取的实验数据。论文在现有的确定性RDF数据测试基准的基础之上进行扩展,构建了一个不确定RDF数据测试基准。该测试基准可根据测试需要,选择生成任意大小的具有均匀或偏态分布特性的不确定RDF数据。提出一种高效的不确定RDF图查询算法。论文中首先建立了有利于高效进行子图匹配的索引。其次,利用获取的RDF图摘要信息,在子图匹配查询过程中进行有效的结构化剪枝和概率剪枝。同时,还提出了通过采样方法筛选结果集的近似方法。实现不确定RDF数据的传递推理功能。论文预先为不确定RDF图中的顶点信息编码,避免了在进行子图匹配时需要遍历整个图的负担。进而通过利用近似求解路径集的算法实现不确定RDF数据的传递推理功能。该方法降低了推理所需的时间和空间代价,提高整体查询的效率。实验验证。在本文提出的不确定RDF数据基准基础上,对提出的查询算法进行实验验证。通过实验结果的性能对比,论文为算法选取了最优参数,并以测试基准为参考点,对所提出的算法进行性能评估,结果显示了算法的高效性和准确性。