基于特征和类别干预的少样本实体识别方法与模型，涉及自然语言处理技术领域，该方法包括：构建输入特征干预模型和类别调整干预模型；将支持集和查询集交叉样本间的特征X提取出来，输入至特征干预模型中，对特征X进行注意力门前干预，获取特征层级调整；将调整后的特征输入至类别调整干预模型中，对分类器概率输出进行重定义，将来自预训练的特征均值依据分类概率重新分配新的权重，进行类别调整，得到新类特征，计算查询集中每个样本在所有类下的最小距离，并利用解码器得到查询集样本的分类预测值。本发明通过对特征和类进行干预，消减了混杂因素的干扰，增加了相似语义样本之间的差异，提高了实体分类器的辨别能力。