随着Web以及各种数据采集设备的普及,数据规模呈指数级增长,但数据的质量却没有得到保障。在传统的数据管理中,通常假设数据是正确可信的,但现实生活中的数据却存在许多错误。由于数据质量问题引起的医疗事故、公司决策失误、监测数据失真等已造成严重后果。提高数据的质量可以降低事故发生率、减少经济损失,具有重大的社会价值和经济价值。数据质量的提升是一个持续的过程,因此通常使用概率数据库管理质量参差不齐的数据。概率数据库是对传统关系数据库的扩展,引入概率维来表示数据的可信度,通过可信度衡量数据质量。对数据进行质量评估,利用概率数据库管理带有可信度的数据并根据用户查询结果对低质量源头进行溯源是持续提高数据质量的前提,因此开展不确定数据质量评估与溯源方法的研究具有重要的社会和经济意义。本研究以低质关系数据为对象,研究如何提高非结构化数据（关系数据中文本类型属性值）质量评估的准确性,如何定义属性级溯源信息对概率数据库中的查询结果进行溯源和可信度计算,以及如何对带有属性级溯源信息的不确定数据进行建模存储。具体而言,本文研究主要包括以下四个部分：（1）质量评估中面向事实陈述句的描述粒度提升方法针对非结构化数据粗粒度描述导致歧义产生从而影响可信度计算的问题,本文提出一种寻找事实声明中缺失项来提高描述粒度的方法。该方法首先利用搜索引擎作为信息抽取器,进行缺失项候选的收集。由于缺失项存在关联关系,因此利用关联关系对候选进行分组,并从中选择可能性最高的组作为缺失项。在此过程中,通过聚类算法和知识库来辅助消除不正确的候选项。对于找出来的缺失项,基于搜索引擎从Web上抽取的相关数据,计算其出现在事实陈述句中各位置的概率来预测其在事实陈述语句中的插入位置。通过该方法,可以提高事实陈述的描述粒度,从而提高事实陈述可信度计算（即质量评估）的准确性。（2）支持属性级溯源的不确定数据存储模型针对现有不确定数据模型不能很好地表达带有属性级溯源信息的不确定数据的情况,本文基于对象代理模型提出一种新的数据模型,通过该模型建模不确定数据,把一个不确定元组分解为多个不确定对象存储,通过对象的组合得到不确定代理对象来表示不确定元组对应的可能元组。不确定代理对象和不确定对象之间通过双向指针进行关联,不确定代理对象继承的属性不存储其值,而是利用其与不确定对象之间的双向指针以及代理规则来实时计算得到。因此可以避免存储不确定元组对应的大量可能元组造成的冗余存储。此外,通过不确定对象和不确定代理对象之间的双向指针,可以使得对不确定对象的更新及时反映到不确定代理对象中,从而降低维护成本。基于该模型,本文定义了多种数据操作及其结果的属性级溯源表达式,从而通过该模型实现不确定数据的查询和结果溯源信息的生成。（3）基于属性级溯源表达式的结果概率计算方法针对元组级溯源信息无法准确定位包含多个不确定属性元组的情况,本文定义属性表达式,并通过属性表达式构造溯源表达式来实现属性级溯源。利用溯源信息计算结果元组概率时,为保证概率计算结果的正确,提出溯源表达式的转换算法。为加快结果元组概率计算,通过分析影响结果元组概率计算效率的因素,提出构建共享路径表的方法,并在构建过程中对原子析取式进行预计算。（4）存在依赖的不确定数据的结果概率计算方法针对现有结果元组概率未同时考虑多种数据关联和模式约束的情况,本文对不确定数据中可能中存在的数据关联或约束的种类进行讨论,并分析其在"Probabilistic or-set-? table"模型中具有的性质。为保证联合概率计算的正确,定义约束-关联图对各种数据关联和模式约束进行统一建模,并提出不同数据关联或约束之间存在的递推关系,使得根据已有的显式数据关联和约束可以推出数据之前潜在的关联关系。在计算若干对象的联合概率时,首先利用递推关系推断其可能存在的依赖,然后根据依赖种类采用不同的消元规则,在不改变联合概率值的情况下,消除部分对象,从而使得其求解联合概率成为可能。