作为智能教育的一项重要技术，知识追踪的核心任务是追踪学生的知识水平变化，表现为预测学生能否正确回答下一道练习题。由于借鉴了外部存储器的思想，记忆增强网络在该任务上有出色表现。然而，现有的记忆增强网络仅利用了学生交互记录的少量特征，如习题编号和答案等。为了充分利用交互记录中的学习和遗忘特征，本文提出了一种基于多行为特征嵌入记忆网络的知识追踪模型（MFKT)。该模型考虑了学习过程中的学习和遗忘两种行为。首先，从交互记录中提取学习和遗忘两大特征，然将提取到的学习特征通过标量交叉方式嵌入记忆网络，同时将遗忘特征通过向量组合的方式嵌入，用于增强其对于学生答题序列的学习能力。此外，还考虑到了不同学生回答完成后的知识增长差异，在原先记忆网络的基础上增加了一个知识增长层(KGL)，用于计算学生答题得到的知识增长。通过在公开数据集上的实验表明，MFKT 更加符合学生的真实学习规律，能够实现对学生知识状态更加精准的追踪。