随着深度学习的发展，形态学分割的精度有了很大的提高，但对数据量的要求也很高。元学习方法通过对以往任务的学习，有效地缓解了模型对数据量的依赖，在低资源领域得到了广泛的应用。因此，提出了一种维吾尔语形态学分割的元学习方法。该方法主要通过对以前任务的训练，获取一组有能力快速适应新任务的参数，从而实现在新任务的快速泛化。实验首先根据数据的相似性构造n个伪元学习任务，完成元学习支持集和查询集的划分，然后用transformer编码器对维吾尔语数据进行编码，最后在小样本环境下使用元学习方法实现维吾尔语形态学分割。实验结果表明，在维吾尔语的小样本形态学分割任务中，元学习方法优于预训练模型，有效避免了模型的过度拟合，减轻了数据稀疏性对模型的影响。