在大规模不完整知识图谱（KGs）上回答复杂的逻辑查询是一项基本而具有挑战性的任务。最近，一种有前景的方法是将知识图谱实体和查询嵌入到向量空间中，使得能够回答查询的实体在向量空间中靠近查询。然而，先前的研究将查询建模为向量空间中的单个点，这存在一个问题，因为一个复杂的查询可能代表其答案实体的一个潜在较大的集合，但如何将这样一个集合表示为单个点尚不清楚。此外，先前的工作只能处理使用合取（$\wedge$∧）和存在量化（$\exists$∃）的查询。处理包含逻辑析取（$\vee$∨）的查询仍然是一个未解决的问题。本文提出了一种基于嵌入的框架——query2box，用于在大规模且不完整的知识图谱中处理任意包含 $\wedge$∧、$\vee$∨ 和 $\exists$∃ 操作符的逻辑查询。我们的主要见解是，可以将查询嵌入为盒子（即超矩形），其中盒子内部的一组点对应于查询的答案实体集。我们展示了合取可以自然地表示为盒子的交集，并证明了一个负面结果：处理析取需要维度与知识图谱实体数量成比例的嵌入。然而，通过将查询转换为析取范式（Disjunctive Normal Form），我们表明 query2box 能够以可扩展的方式处理任意包含 $\wedge$∧、$\vee$∨ 和 $\exists$∃ 的逻辑查询。我们在三个大型知识图谱上验证了 query2box 的有效性，并显示 query2box 在这些数据集上的表现比现有最佳方法提高了高达 25% 的相对性能。