本发明提供一种知识图谱补全方法、装置、电子设备和存储介质，涉及自然语言处理技术领域，所述方法包括：获取当前迭代周期中知识图谱中的多个事实三元组；基于各事实三元组之间的逻辑规则，确定至少一个结论三元组；将候选三元组和候选三元组对应的标签输入联合表示学习模型，得到候选三元组对应的向量表示和最终评分值，联合表示学习模型的损失函数是基于逻辑规则的结论损失、最小化全局损失和L2范数确定的；基于结论三元组，确定推理三元组，基于推理三元组更新知识图谱，并基于更新后的知识图谱进行迭代表示学习，直至无法确定结论三元组为止。本发明可提高推理三元组的可解释性，并提高补全后知识图谱的准确度。