针对自然语言处理领域中不完整知识图谱导致实体关联膨胀，进而需进行额外推理和推断使答案的推导过程变得更复杂的问题，提出一种结合关系记忆与路径信息的知识图谱问答算法RMP-KGQA.该算法利用关系记忆网络解决问题与知识图谱映射空间不一致的问题，利用其路径信息丰富评分函数，显著提高了智能问答检索系统的准确性和鲁棒性.实验结果表明，在基准数据集WebQSP和WebQSP-50上，RMP-KGQA的准确率分别比EmbedKGQA提升了2.8,2.4个百分点.消融实验进一步验证了关系记忆感知和路径信息在模型中的关键作用.因此，RMP-KGQA是一种解决复杂环境下多跳知识图谱问答问题的有效方法.