现今许多知识图谱补全的研究都围绕着知识表示学习进行并且取得了很好的成效,但多数经典的基于表示学习做图谱补全的模型只考虑了图谱的网络结构特征,这使得知识图谱的丰富文本信息未被有效利用,同时也存在部分仅利用文本信息做补全的研究,但其在计算量大的同时丢失了图谱结构特征。针对该情况,提出一个文本约束的表示学习模型,其基于结构特征提取较优秀的图卷积神经网络,将经预训练语言模型获取的实体描述文本表示用于关联度计算以约束聚合偏向性来做知识图谱补全。最后的实验结果也证明了该模型的有效性。