不確定推理最早是由C.J.vanRijsbergen描述的，是一種正式定義信息檢索中查詢和文檔關系的方法。這種形式化是一種帶有不確定性測量的邏輯暗示。定義Rijsbergen提出，文檔d對查詢q的不確定性的測量是其邏輯暗示的概率，即。用戶的查詢可以被解釋為一組關于所需文件的斷言。系統的任務是推斷，給定一個特定的文件，如果查詢斷言是真的。在許多情況下，文件的內容并不足以斷言查詢。需要一個事實和規則的知識庫，但其中一些可能是不確定的，因為使用它們進行推理可能有一個概率。因此，我們也可以將其稱為可信推理。一個推理的可信度{displaystyledtoq}的可信度是一個與推理的可信度有關的函數。是每個查詢斷言的可信度的函數。我們不應該檢索與查詢完全匹配的文檔，而應該根據它們在該查詢方面的可信度對文檔進行排序。由于d和q都是由用戶生成的，它們容易出錯；因此是不確定的。這將影響一個給定查詢的可信度。通過這樣做，它完成了兩件事。

將相關性的處理與請求的處理分開多媒體文檔，如圖像或視頻，對每個數據類型有不同的推理屬性。它們也與文本文檔的屬性不同。似是而非推理的框架允許我們測量并結合來自這些不同屬性的概率。不確定推理概括了自體邏輯的概念，其中真值要么是已知的，要么是未知的，而當已知時，它們是真的或假的。

如果我們有一個形式的查詢。q=A∧B∧C{displaystyleq=AwedgeBwedgeC}，其中A、B和C是查詢對象。其中A、B和C是查詢斷言，那么對于一個文檔D，我們希望有這樣的概率。如果查詢斷言是獨立的，我們可以計算出牽連的總體概率，即各個斷言概率的乘積。進一步的工作是Croft和Krovetz將不確定推理應用于辦公文件的信息檢索系統，他們稱之為OFFICER。在辦公室文件中，獨立假設是有效的，因為查詢將集中在它們的個別屬性上。

除了分析文件的內容，人們還可以查詢作者、大小、主題或收藏等。他們設計了一些方法來比較文檔和查詢的屬性，推斷它們的可信度，并將其合并到每個文檔的總體評級中。除此之外，文檔和查詢內容的不確定性也必須被解決。概率邏輯網絡是一個用于執行不確定推理的系統；簡單的真/假真值不僅被概率所取代，而且被表示概率的確定性的置信度所取代。馬爾科夫邏輯網絡允許進行不確定的推理；不確定因素是使用xxx熵原則計算的，與馬爾科夫鏈描述有限狀態機的不確定性的方式相類似。