知识追踪模型建模学习者对每个知识点的状态推断其知识总状态，预测其未来的学习表现。但现有研究在建模知识总状态时，没有融合知识点状态之间的关系，影响了最终的预测效果。针对这一问题，提出一种融合知识点状态关系的知识追踪模型。首先向量化表示数据集中的知识点，构建知识点表示图；其次将知识点表示图扩散至潜式空间以反映其内在结构和本质信息；融合当前时刻的习题与知识点作为引导向量，从知识点表示图的潜式表示中提取知识点状态图；以知识点状态图为基础，推导知识总状态，预测当前习题的表现。通过在三个数据集上对比四个相关模型的实验证明，提出的模型在AUC、ACC和表示质量方面均取得了一定的优势。其中，在 ASSISTments2009数据集上表现最佳，与对比模型中的最优值和最低值比较，AUC分别提升了1.17%、10.57%，ACC分别提升了3.23%、12.17%，表示质量分别提升了1.95%、10.40%。进一步地，可视化地展示了知识点状态及其关系的内部推导过程，以及它们与真实答题结果之间的对应关系，说明模型具备一定的可解释性。同时，将该模型应用于三门课程以预测学生的表现，与相关模型对比取得了更好的结果，说明模型具备一定的实用性。