随着教育事业和数字技术的蓬勃发展，高校内大量学生学习数据开始以电子形式进行存储。预测学生在未来学习中的表现（如成绩）成为一个重要课题。在现有的学生成绩预测研究中，大多数忽略了学生历史习题之间隐含的关联性，因此本文提出了基于知识追踪和知识网络的学生成绩预测方法，其主要思想是融合知识追踪和习题对应知识点的知识网络实现成绩预测。该方法将每个学生所做习题对应的知识点以及前驱知识点组成的知识网络作为输入之一，并在知识网络中标注出掌握程度大于给定阈值的知识点；结合LSTM神经网络，通过学生学习记录融合注意力机制来追踪学生知识水平，最终预测学生在未来做题中的表现。在公开数据集上实验结果表明，本文提出的模型在Assistment2009数据集上较DKT、DKT+、DKVMN、SAKT、MFKT、MSKT分别提高了2.3%、2.2%、3.3%、3.4%、0.41%、2.0%，在Assistment2015数据集上分别提高了9.0%、9.4%、9.7%、9.3%、8.1%、8.5%，具有较好的模型精度。
