在信息化作战的条件下，构建知识图谱的小样本文本分类一直是一个亟待解决的难题。针对文本图神经网路小样本文本分类精度较差的问题，设计了一个新的模型，使用高级的预训练语言模型来克服因样本少难以提取每个文档的语义特征的缺点，并使用文本级图神经网络为每个输入文本构建图，共享全局参数解决图神经网络训练需要大量标注文档、内存占用高的问题。与此同时，将文本图神经网络的结果作为原型网络的输入，对未标注文本进行分类，进一步提升小样本文本效果。与需要大量标注文档的监督学习方法相比，此方法旨在提高标注数据较少的未标注文本分类精度。研究在多个文本分类数据集上验证了新模型的有效性，并达到最先进性能，且内存占用更低。研究提高了小样本文本的准确分类百分之1-3的精度并且大大减少了内存消耗。