本发明的目的是提供了一种基于元学习的领域知识图谱补全方法，提供一种知识图谱补全方式，仅依靠领域知识图谱中的少量样本实现实体补全和新知识的快速部署，从而提高领域知识图谱补全的效率。克服了小样本领域知识图谱难以自动处理、人工处理成本高的问题，通过元学习方法实现了在小样本领域中有效的三元组向量表示的获得方法。训练的元关系向量对于任务的改变具有敏感性，其训练过程相对普通的表示学习过程只增加了一个参数，在面对新领域知识时可以达到快速部署的效果，提高了计算效率。可扩展性强，可以适应表示学习中的多种损失函数，可以随效率和精度要求灵活更改损失函数。