人工智能的决策过程需要大量的知识。哲学家柏拉图把知识定义为“Justified True Belief”,即知识需要满足三个核心要素:合理性（Justified）、真实性（True）和被相信（Believed）。知识图谱作为一种知识的载体,也需要满足合理性、真实性和被相信。但是目前的知识图谱,无论是开放式知识图谱还是传统知识图谱,它们都忽略了条件信息。例如,传统的知识图谱从“早期科学家认为地球是宇宙的中心”这句话中提取三元组（地球,是,宇宙的中心）是不合适的,只有认清了事实的条件,这个事实才能被接受并进一步具体利用。由此可见,缺少条件的三元组只能被称为事实,而不是知识,因为他们并不满足合理性、真实性和被相信。条件在知识中起着至关重要的作用,而当前的知识图谱主要是基于事实构建的,而忽略了相应的条件。没有条件的事实是不能成立的。本文介绍了条件性知识图谱,与之前的知识图不同,它涉及事实及其条件。为了支持其研究,本文手动注释了一个名为H的通用数据集,这是第一个在一般领域文献上的条件性知识图谱数据集。本文在H上提出了一个条件性知识图谱构建模型并且用模型抽取的方法贡献了一个大规模的条件性知识图谱。并且本文利用条件性知识图谱构建模型抽取内部知识,来进行生物医学文献搜索,本文提出了MEMK模型,利用内部结构知识来学习查询和文档的基于交互的表示,以做出最终的相关性决策。实验表明,MEMK在公共基准测试中优于强基线,并且内部基于知识的查询扩展可以进一步将性能提高到一个新的艺术水平。