本发明提供一种基于分层图注意力与动态元学习的智能知识增强方法，所述方法包括下列步骤：S101、进行数据预处理，获得结构化数据；S102、基于所述结构化数据对自适应迁移学习模型进行训练；S103、采用训练后自适应迁移学习模型进行特征提取；S104、根据不同的子任务，构建多个基于不同特征提取结果的分层图注意力网络，并采用动态元学习算法优化所述分层图注意力网络；S105、采用优化后的所述分层图注意力网络实现对不同子任务的结果输出，本发明通过精确捕捉复杂知识结构、灵活实现跨领域知识迁移和自适应，以及高效响应动态环境变化三个方面使得本发明在智能知识增强领域具有广泛的应用前景和实用价值，为解决实际问题提供了更加强大和灵活的工具。