1.基于反事实图学习的学生知识状态追踪方法，其特征在于，包括：

获取学生的历史问题练习互动序列，提取历史问题练习互动序列中的学生、问题以及概念之间的关系；获取一个学生的历史问题练习互动序列，包括学生回答过的问题，以及学生对问题的答案的正确性，给定互动序列和下一个问题，预测学生正确回答的概率，构建学生‑问题‑概念图：利用SQC图来表示学生、问题以及概念之间的关系，在所述SQC图中包括三种类型的节点，分别表示学生、问题以及概念；所述SQC图中包括两种边，分别表示学生和问题之间的关系以及问题和概念之间的关系；

根据学生、问题以及概念之间的关系建立学生‑问题‑概念关系图，模拟学生、问题以及概念之间的高阶关系；考虑学生、问题和概念之间的层次关系，在一个统一的图中对它们进行建模，这为反事实图转换和学生表示学习的基础，定义G = {(s, , q, , c) | s∈S, q∈Q, c∈C}图，用来模拟学生、问题和概念之间的关系，其中s、q和c分别表示学生s、问题q和概念c；和 分别表示学生‑问题和问题‑概念之间的关系；对于学生 ，问题 ，只有当学生与问题互动时，和 之间才有连接；对于问题 和概念 ，如果 包含 ，在 和 之间建立一个连接，以表示它们的问题‑概念关系；总结出S、Q、C之间的两种相互作用，即学生与问题的相互作用和问题与概念的相互作用，即高阶关系；

将所述关系图输入至图卷积网络中进行观察表示学习，获取观察到的表示学习，然后生成两个观察事实的破坏的子图对观察到的问答进行反事实干预，通过反事实的对比图学习获取反事实的学生表示；将观察到的学生表示和获取的反事实的学生表示之间加入对比学习目标进行对比学习，构建学习目标函数，基于预测损失和对比损失联合对目标函数进行求解，获取学生对问题对比学习下的知识状态表示。

2.如权利要求1所述的基于反事实图学习的学生知识状态追踪方法，其特征在于，所述生成两个观察事实的破坏的子图对观察到的问答进行反事实干预的方式包括：用未回答的问题随机替换历史回答记录中的问题，以产生未观察到的回答序列，根据未观察到的回答序列生成第一替换的反事实破坏子图。

3.如权利要求2所述的基于反事实图学习的学生知识状态追踪方法，其特征在于，还包括：打乱干扰同一问题集的答题序列，获取未观察到的回答序列，根据该未观察到的回答序列生成第二干扰的反事实破坏子图，之后通过对两个观察事实的破坏的子图进行反事实的对比图学习获取反事实的学生表示。

4.如权利要求1所述的基于反事实图学习的学生知识状态追踪方法，其特征在于，所述通过反事实的对比图学习获取反事实的学生表示的过程为：利用两个图卷积网络进行对比图学习，从原始的学生学习图表中推断出表示，分别获取概念的表示学习、问题的表示学习以及学生表示学习；通过进行反事实图的转换来获取两个增强的破坏的子图，然后获取第一反事实替换的学生表示学习以及第二反事实干扰的学生表示学习。

5.如权利要求1所述的基于反事实图学习的学生知识状态追踪方法，其特征在于，所述将观察到的学生表示和获取的反事实的学生表示之间加入对比学习目标进行对比学习的方法包括第一反事实替换的结果对比以及与第二反事实干扰的结果对比。

6.如权利要求5所述的基于反事实图学习的学生知识状态追踪方法，其特征在于，所述第一反事实替换的结果对比的方法为把第一次反事实替换的结果视为正样本，把通过破坏函数破坏的表示视为学生的负样本；然后，使学生表示与正样本之间的距离最小化，并使学生表示与负样本之间的距离最大化，使用InfoNCE作为学习目标，增强学生表示，获得第一对比学习目标函数。

7.如权利要求5所述的基于反事实图学习的学生知识状态追踪方法，其特征在于，所述第二反事实干扰的结果对比的方法为在这个反事实干扰的图中，把反事实转换的结果当作正样本，而破坏的学生表示则是负面样本；通过执行InfoNCE损失，获得第二个对比学习目标函数。

8.如权利要求1所述的基于反事实图学习的学生知识状态追踪方法，其特征在于，所述基于预测损失和对比损失联合进行训练的过程为：设定目标问题，将目标问题表示和学生表示结合，通过一个两层的全连接网络映射到低维嵌入，计算出学生正确回答目标问题的概率，利用交叉熵计算预测损失；基于预测损失和对比损失联合进行训练构建目标函数，采用梯度下降法学习参数。

9.基于反事实图学习的学生知识状态追踪系统，其特征在于，包括：

图构建模块，用于获取学生的历史问题练习互动序列，提取历史问题练习互动序列中的学生、问题以及概念之间的关系；获取一个学生的历史问题练习互动序列，包括学生回答过的问题，以及学生对问题的答案的正确性，给定互动序列和下一个问题，预测学生正确回答的概率，构建学生‑问题‑概念图：利用SQC图来表示学生、问题以及概念之间的关系，在所述SQC图中包括三种类型的节点，分别表示学生、问题以及概念；所述SQC图中包括两种边，分别表示学生和问题之间的关系以及问题和概念之间的关系；

根据学生、问题以及概念之间的关系建立学生‑问题‑概念关系图，模拟学生、问题以及概念之间的高阶关系；考虑学生、问题和概念之间的层次关系，在一个统一的图中对它们进行建模，这为反事实图转换和学生表示学习的基础，定义G = {(s, , q, , c) | s∈S, q∈Q, c∈C}图，用来模拟学生、问题和概念之间的关系，其中s、q和c分别表示学生s、问题q和概念c；和 分别表示学生‑问题和问题‑概念之间的关系；对于学生 ，问题 ，只有当学生与问题互动时，和 之间才有连接；对于问题 和概念 ，如果 包含 ，在 和 之间建立一个连接，以表示它们的问题‑概念关系；总结出S、Q、C之间的两种相互作用，即学生与问题的相互作用和问题与概念的相互作用，即高阶关系；

反事实对比学习模块，用于将所述关系图输入至图卷积网络中进行观察表示学习，获取观察到的表示学习，然后生成两个观察事实的破坏的子图对观察到的问答进行反事实干预，通过反事实的对比图学习获取反事实的学生表示；将观察到的学生表示和获取的反事实的学生表示之间加入对比学习目标进行对比学习，构建学习目标函数，基于预测损失和对比损失联合对目标函数进行求解，获取学生对问题对比学习下的知识状态表示。