传统的基于表示学习的知识推理方法只能用于封闭世界的知识推理，如何有效地进行开放世界知识推理是目前的热点问题。因此，提出一种基于路径和增强三元组文本的知识推理模型PEOR(Path and Enhanced triplet text for Open world knowledge Reasoning)。使用由实体对间结构所生成的多条路径和单个实体周围结构所生成的增强三元组，其中路径文本通过拼接路径中的三元组文本得到，增强三元组文本通过拼接头实体邻域文本、关系文本和尾实体邻域文本得到，然后使用BERT(Bidirectional Encoder Representations from Transformers)分别对路径文本和增强三元组文本进行编码。另外，使用路径向量和三元组向量进行语义匹配注意力计算，再使用语义匹配注意力有效地聚合多条路径的语义信息。在3个开放世界知识图谱数据集WN18RR、FB15k-237和NELL-995数据集上进行对比实验，与次优模型相比，所提模型的Hits@10指标分别提升了2.6、2.3与6.6个百分点，验证了模型的有效性。
