本发明属于开放世界的知识图谱补全领域，具体涉及一种开放世界知识图谱补全方法及装置，包括获取三元组数据并进行词嵌入，由注意力模块得到关系感知表示并与头实体向量连接，通过Transformer获取连接结果的向量表示；将编码问题向量与连接结果的向量表示的融合结果与Transformer获取的候选向量表示分别输入CNN网络；对CNN网络的输出打分，将得分最高的候选尾实体作为尾部实体；采用交叉熵损失函数训练模型；获取待补全知识图谱并输入训练好的模型进行补全，本发明使用注意力机制与Transformer网络框架，充分利用实体的文本描述中的特征信息，降低模型训练的成本，缩短了模型训练的时间。