目前,互联网中越来越多的数据以XML的格式进行传输和操作,XML结构的灵活性使复杂的半结构化数据的交换更加方便。但是,在实际工作中,如传感器噪声数据、信息抽取时包含错误数据的数据源以及图像处理等用XML描述的半结构化数据会存在一些不确定性。作为不确定性数据研究领域的核心内容,概率XML能够以明确的方式表示不确定性数据,它是不确定性数据的结构化描述语言。　　 由于概率XML文档内数据的不确定性,通过传统的XMI,查询语言已不能够准确地查询出用户期望的信息。因此,在研究以往XML文档的关键字检索算法的基础上,本文提出了一个概率XML文档Top-k关键字检索模型,该模型主要包括概率XML文档分区处理、概率XML文档关键字索引构建以及概率XML文档Top-k关键字检索三个部分。　　 当进行概率XML大文档中关键字检索时,检索时间效率会明显降低,本文引入普通XML文档的分区技术(XMLPartition),将概率XML文档分区分别存储在相互独立的服务器节点中,对各分区节点并行执行关键字检索。　　 为了在概率XML文档关键字索引结构中体现分布结点类型信息,本文扩展了传统关键字索引编码方法-Dewey编码,设计了一种符合概率XML文档结构特点的关键字索引编码方法。　　 在此基础上,本文设计了概率XML文档Top-k关键字检索PTKS(ProbabilisticXMLTop-kKeywordSearch)算法,并实现了原型系统。实验结果表明,PTKS算法具有良好的时间效率,特别是针对复杂结构的概率XML文档的关键字检索时间效率提升更加显著。