La respuesta a preguntas de la base de conocimientos (KBQA) tiene como objetivo responder una pregunta utilizando una base de conocimientos (KB). Sin embargo, una base de conocimientos es naturalmente incompleta y no puede cubrir todo el conocimiento necesario para responder la pregunta. Por lo tanto, obtener respuestas precisas y completas a preguntas complejas es difícil cuando faltan relaciones y entidades en las KB. Para mitigar este desafío, proponemos un enfoque de KBQA incompleto basado en la Fusión de Redes Interactivas Conscientes de Relaciones y Texto (RAIN-TF). Específicamente, proporcionamos conocimiento textual esencial filtrando finamente el texto relacionado con la pregunta para compensar las relaciones y entidades faltantes en la KB. Proponemos un método de construcción de subgráficos relacionados con la pregunta que fusiona el conocimiento del texto y la KB y mejora las interacciones entre preguntas, entidades y relaciones. Sobre esta base, proponemos una red interactiva consciente de relaciones, que es un modelo de red neuronal gráfica (GNN) de atención multi-cabeza consciente de relaciones, para promover la integración semántica profunda de textos no estructurados y KB estructuradas, compensando así efectivamente la falta de conocimiento. Experimentos exhaustivos en tres conjuntos de datos de KBQA incompletos verifican la efectividad del enfoque propuesto.