本发明公开了一种用于少样本意图识别系统的自训练模型构建方法，其特点是该方法采用特殊样例选择模块筛选不确定较高的样例，在每一次轮自我训练过程中对每一个批次的候选样例选择不确定性最高的一组样例作为候选列表，将其通过自适应主动阈值模块筛选，分为高确定型样例和特殊样例两种类别，其中特殊样例即高不确定性样例送往数据库人工标注，高确定性样例作为自训练模型中的伪标签，最后将两类标注并入训练集中进行下一轮自训练迭代。本发明与现有技术相比具有加快模型的推理速度和减少人工标注成本，降低应用成本和时间成本，有效提高了在电商领域意图识别场景下的准确率，能够应用在多种不同的场景，具有广泛的实用意义。