本发明公开一种利用小样本数据提升迁移学习文本分类准确率的方法,包括:步骤S1,使用工业互联网数据作为原始训练数据;步骤S2,使用基于LaserTagger数据增强方法对原始训练数据增强,生成更多训练数据;步骤S3,利用增强后数据进行BERT模型训练,具体利用BERT进行文本分类,BERT基于Masked Language Model即MLM作为新的预训练目标语言模型。本发明可在小样本语料利用模型提升工业互联网领域的文本分类识别效果,通过语义和模型的方式,对工业互联网领域增加文本数据量并提高模型的鲁棒性,后利用迁移学习方法识别,降低文本标注数据成本,提高工业互联网领域文本分类效果、模型识别准确率。