知识追踪任务根据学生历史学习数据实时诊断学生的认知状态，并预测他未来的答题表现。为准确建模知识追踪中的遗忘行为和答题序列的时序特征，提出一种融合遗忘因素与记忆门的图神经网络知识追踪（GKT-FM）模型。首先，GKT-FM模型通过历史答题记录计算知识点相关性，构建知识图；其次，采用图神经网络（GNN）建模学生的认知状态，综合考虑7个影响遗忘行为的特征；然后，以记忆门结构建模学生答题序列中的时序特征，重构基于GNN的知识追踪更新过程；最后，融合遗忘因素和时序特征得到预测结果。在公开数据集ASSISTments2009和KDDCup2010上的实验结果表明，相较于GKT（Graph-based Knowledge Tracing）模型，GKT-FM模型的平均曲线下面积（AUC）分别提升了6.9%和9.5%，平均精度（ACC）分别提升了5.3%和6.7%，可见，GKT-FM模型能更好地建模学生的遗忘行为、追踪学生的认知状态。
