本发明属于自然语言处理领域，具体涉及一种基于预训练模型和图卷积神经网络的知识问答方法；该方法包括：根据问题信息构建知识子图；采用PageRank算法完善知识子图；采用预训练模型对问题进行编码，得到初始问题向量；采用图卷积神经网络对知识子图进行编码，得到初始实体向量；根据初始问题向量和初始实体向量对知识子图进行更新；计算更新后的知识子图中所有关系的关系得分，根据关系得分构建知识子图关系集合；计算初始问答匹配分数；计算问题与每个候选答案的最终问答匹配分数，选择最终问答匹配分数最高的候选答案作为问题的答案；本发明能提高多跳推理知识问答的答案准确率，具有广阔的应用前景。