关键字检索和不确定数据处理是近年数据库领域的两个研究热点。本文研究的主题是在含有不确定数据的关系数据库和XML数据库上了运用关键字方法，检索用户查询的关键字。本文的研究成果通过将关系数据库和XML的关键字检索技术和不确定数据的处理技术结合起来，为用户查询不确定数据提供更友好的检索方式。　　首先，针对结构化数据和半结构化数据的不同，本文区分了(1)关系数据库和(2)XML上的两种不确定模型。这两种模型相结合能覆盖和处理很多不确定数据的关键字检索问题。　　然后，分别为两种模型，定义了不确定关键字查询的语义和查询结果。对于(1)关系数据库，本文提出了一种在属性级粒度上进行top-k关键字检索的算法。该算法根据用户指定的k值计算并返回分数最高的前k个结果，每个结果是关系数据库上通过主外键关联在一起的元组连接树。查询结果的评价函数综合考虑了结果与关键字的相关度和结果在可能世界语义下的概率大小。通过进一步优化，显著降低了该算法的计算复杂度。对于(2) XML数据，本文定义“最小有意义片段”为查询结果，“最小有意义片段”是包含用户所查询的所有关键字并且在可能世界语义下概率为正值的概率XML上的一个最小子树。基于该定义，本文通过5个策略，优化了计算最小有意义片段概率的计算复杂度，最后提出概率XML上的top-k关键字检索的算法。　　最后，本文进行了一系列不同数据集上的实验，实验多角度测试了在top-k的不同k取值、用户查询关键字个数变化、不确定数据分布概率不同时本文方法的性能和剪枝优化效率，实验结果表明了这两种方法对各自不确定数据查询的实用性和高效性。