图数据库在大数据时代扮演着重要且核心的角色,其中不确定图有着广泛的应用,如合著者关系网、生物分子网络、社交网络等。本文研究的对象是仅边具有存在概率的不确定图,研究的目标是提高不确定图上可达性查询的可靠性。然而,目前关于不确定图清洗的研究仅针对限定距离的可达性查询,且假设众包平台对不确定图的清洗结果是完全正确的。因此,首先研究基于精确众包平台、针对同时限定距离与标签的可达性查询的不确定图清洗;基于此,考虑众包噪声对清洗结果的影响,进行基于非精确众包平台针对可达性查询的不确定清洗的研究。为此,归纳了有关不确定图清洗的研究方法、基础概念与可达率计算方法,提出了进行不确定图清洗的初步理论。其次,对于无众包噪声的情况,设计了基于精确众包的不确定图清洗框架;提出了可以准确快速地计算概率可达性的算法;为减小对最优待清洗边的搜索范围,设计了改进的路径搜索算法以提取有效边;依次设计了不确定图的单边清洗与多边清洗算法,并通过实验验证了清洗算法的选边准确性与高效性。然后,对于基于非精确众包的不确定图清洗,建立了融入众包噪声到清洗结果的不确定图清洗模型;从数值层面考察了众包噪声对清洗结果的影响,发现如果众包精确度保持在50%以上,依然可以通过清洗目标边来提升查询结果质量。接着,归纳出查询结果质量增益函数(?Q),以考察不同边被清洗后对可达性查询结果可靠性的提升程度;通过分析非精确众包答案对查询结果质量增益的影响,提出并证明:边相关因子P_e~*可以替代查询结果质量增益?Q,作为对不同目标边清洗效果的考察标准,为设计清洗算法奠定了理论基础。之后,基于P_e~*分别设计了基于非精确众包的单边清洗与多边清洗算法;提出了缩小目标边搜索范围的优化技术以提高选边效率,设计了避免大量可达率计算的二次剪枝算法。通过实验证明了提出的清洗算法可以高效准确地选取目标边。最后,通过两个案例分析,简述本文的图清洗研究对其他图查询的应用价值。