La respuesta a preguntas basadas en bases de conocimiento (KBQA) tiene como objetivo proporcionar respuestas a preguntas en lenguaje natural a partir de información en la base de conocimiento. Aunque muchos métodos funcionan bien al tratar preguntas simples, todavía existen dos desafíos para preguntas complejas: un enorme espacio de búsqueda e información faltante en la estructura de los grafos de consulta. Para resolver estos problemas, proponemos un método novedoso de KBQA basado en una red convolucional de grafos y un espacio de búsqueda optimizado. Al generar el grafo de consulta, clasificamos los grafos de consulta según sus similitudes semánticas y estructurales con la pregunta. Luego, utilizamos solo los k principales para el siguiente paso. En este proceso, extraemos específicamente la información de estructura de los grafos de consulta mediante una red convolucional de grafos, mientras extraemos información semántica mediante un modelo preentrenado. De esta manera, podemos mejorar la capacidad del método para comprender preguntas complejas. También introducimos una función de restricción para optimizar el espacio de búsqueda. Además, utilizamos el algoritmo de búsqueda en haz para reducir aún más el espacio de búsqueda. Experimentos en el conjunto de datos WebQuestionsSP demuestran que nuestro método supera a algunos métodos de referencia, mostrando que la información estructural del grafo de consulta tiene un impacto significativo en la tarea de KBQA.