本发明提出了一种用于神经网络小样本学习的空间电势度量方法，包括：首先通过特征嵌入提取网络f_θ对某个情景下的支持集和查询集分别进行特征提取，获得已标记实例和未标记实例的特征嵌入向量集；其次通过电荷量参数提取网络g_Θ对已标记实例的特征嵌入向量做参数提取，获得已标记实例的电荷量范围参数，并进行同类均值融合；接着利用已标记实例的特征嵌入向量集、已标记实例的电荷量范围参数构建拟空间静电场，并以未标记实例在静电场中的叠加电势来作为未标记实例与已标记实例之间的度量值；最后根据度量值求得类别概率以及学习损失，并反向传播更新所有网络参数。本发明提供的方法能够以更低的模型成本，兼容于绝大部分小样本网络，进一步提高小样本任务的表现力。