伴随着大数据时代的到来,数据资产化的观念逐步形成。数据资产质量是数据资产价值的体现,更是保证数据应用的基础。现如今,在银行业产品和服务创新速度不断提升的同时,各商业银行之间的竞争愈演愈烈。其中,数据资产的大数据应用是商业银行核心竞争力的体现。由于商业银行数据资产质量评价指标皆为定性指标,无法精确度量,而且实际评价过程中决策者因知识和认知差异存在主观偏好,再加上评价环境的复杂性,使得商业银行数据资产质量评价处于不确定环境中。因而可以使用不确定性理论来分析处理商业银行数据资产质量评价问题。中智软集合是一种很好的描述不确定信息的理论工具,但是又考虑到实际评价中,使用“差”、“一般”等语言术语来对相关指标如价值密度、安全系数等进行描述会更加方便。为此,本文聚焦于不确定环境下的商业银行数据资产质量评价问题,分别针对中智信息和语言信息两种形式的评价信息,运用中智软集合和概率语言术语集构建消除决策者偏好的商业银行数据资产质量评价方法,旨在为不确定环境下的商业银行数据资产质量评价问题提供科学指导。本文主要进行的研究有:（1）针对中智信息下的商业银行数据资产质量评价方法研究,首先在分析现有中智软集合相关余弦相似度测度缺陷的基础上,提出新的中智软环境下的余弦相似度测度方法。之后,提出反映决策者主观偏好的客观度和可信度的概念,并结合证据理论,融合主观评价信息,从而构建基于中智软集合消除决策者偏好的商业银行数据资产质量评价方法。（2）针对语言信息下的商业银行数据资产质量评价方法研究,首先提出概率语言术语集的置信区间解释,使得离散的概率语言信息转化为连续的置信区间形式,减少决策者因知识和认知差异而导致的信息不确定性程度。随后提出两种置信区间测度方法即距离测度和可能性度测度,从而识别出评价过程中的决策者偏好。最后,结合图论和证据理论构建基于概率语言术语集消除决策者偏好的商业银行数据资产质量评价方法。本文运用中智软集合和概率语言术语集两种具有处理不确定性优势的理论工具,分别提出了相关不确定信息分析测度方法,并且提出了概率语言术语集的置信区间解释来降低信息不确定性。另外,将决策者偏好分为对评价准则的偏好和对待评价方案的偏好,基于偏好识别和消除的过程,构建了不确定环境下消除决策者偏好的商业银行数据资产质量评价方法。最后,通过算例分析和对比,验证了所提方法的有效性和优越性。