1.一种基于对抗学习和序列推荐的知识追踪方法，其特征在于，包括，将学习内容按照教学顺序进行拆分排列得到知识点序列以及知识点序列中每个知识点的编号；

按照每个用户的知识点的学习进度将用户划分为若干个用户组；

在每个用户组内，获取部分用户主动选择复习的遗忘知识点的编号和待学习知识点的编号；

通过预测生成器生成用户的遗忘知识点的编号和待学习知识点的编号，其中，所述预测生成器的输入层是已掌握的知识点在知识点序列中的编号以及随机变量；

将部分用户主动选择复习的遗忘知识点的编号和待学习知识点的编号以及预测生成器生成用户的遗忘知识点的编号和待学习知识点的编号输入判别器，得到预测生成器输出层的准确率；

根据预测生成器的准确率对预测生成器的输入层进行调整，迭代更新直至预测生成器输出层的准确率直至达到设定值；

得到多个准确率达到设定值的预测生成器输出层，即用户对应的用户的遗忘知识点的编号和待学习知识点的编号；

按照每个用户的知识点的学习进度匹配对应的准确率达到设定值的预测生成器输出层；

按照用户匹配的准确率达到设定值的预测生成器输出层对应的用户的遗忘知识点的编号和待学习知识点的编号对每个用户推送知识点。

2.根据权利要求1所述的方法，其特征在于，所述按照每个用户的知识点的学习进度将用户划分为若干个用户组的步骤，包括，按照每个用户的知识点的学习进度将用户进行顺序编号得到用户的编号；

对于知识点序列中的每个知识点获取知识点学习单元和知识点测试单元；

获取每个用户学习的知识点学习单元和对应的知识点测试单元测试结果的历史记录；

根据用户的编号以及每个用户学习的知识点学习单元和对应的知识点测试单元测试结果的历史记录将用户划分至若干个用户组。

3.根据权利要求2所述的方法，其特征在于，所述按照每个用户的知识点的学习进度将用户进行顺序编号得到用户的编号的步骤，包括，根据每个用户的知识点的学习进度，获取每个用户的已经学习的知识点占全部知识点的比例；

按照已经学习的知识点占全部知识点的比例大小对用户进行排序，得到每个用户序列以及用户序列中每个用户的编号。

4.根据权利要求2或3所述的方法，其特征在于，所述根据用户的编号以及每个用户学习的知识点学习单元和对应的知识点测试单元测试结果的历史记录将用户划分至若干个用户组的步骤，包括，根据用户学习的知识点学习单元和对应的知识点测试单元测试结果的历史记录得到用户的已掌握知识点的数量以及最近若干次掌握知识点的编号；

对于每个用户，将用户的编号、已掌握知识点的数量以及最近若干次掌握知识点的编号对用户进行赋值，得到每个用户的高维量化标识，其中，每个用户的高维量化标识的维度相同；

根据每个用户的高维量化标识将用户划分至若干个用户组。

5.根据权利要求4所述的方法，其特征在于，所述根据每个用户的高维量化标识将用户划分至若干个用户组的步骤，包括，在全部的用户中选取若干个用户作为基准用户；

获取基准用户的高维量化标识与其它用户的高维量化标识的差值，其中，将两个用户的高维量化标识中的编号、已掌握知识点的数量以及最近若干次掌握知识点的编号进行对应逐减后的模长作为两个用户的高维量化标识的差值；

对于每个基准用户，获取与基准用户高维量化标识的差值最小的其它用户作为临近用户；

将基准用户与临近用户组成用户组；

获取每个用户组内的全部用户的高维量化标识的均值作为用户组的核心的高维量化标识；

选取与用户组的核心高维量化标识的差值最小的用户作为更新后基准用户；

持续更新基准用户，直至基准用户的高维量化标识不再发生改变，得到若干个用户组。

6.根据权利要求4所述的方法，其特征在于，所述用户的高维量化标识还包括遗忘知识点的数量以及最近若干次遗忘知识点的编号。

7.根据权利要求1所述的方法，其特征在于，所述将部分用户主动选择复习的遗忘知识点的编号和待学习知识点的编号以及预测生成器生成用户的遗忘知识点的编号和待学习知识点的编号输入判别器，得到预测生成器输出层的准确率的步骤，包括，在每个用户组内获取全部主动选择复习的用户；

在全部主动选择复习的用户中选取部分用户作为训练集用户；

将训练集用户的遗忘知识点的编号和待学习知识点的编号作为真实数据，将预测生成器生成用户的遗忘知识点的编号和待学习知识点的编号作为生成数据；

将真实数据和生成数据输入判别器得到预测生成器输出层的准确率；

其中，每个用户组对应一个预测生成器和一个判别器。

8.根据权利要求7所述的方法，其特征在于，所述在全部主动选择复习的用户中选取部分用户作为训练集用户的步骤，包括，在每个用户组内，

判断用户组对应的基准用户是否是主动选择复习的用户；

若是，则将基准用户作为训练集用户；

若否，则选取与基准用户高维量化标识的差值最近的若干个用户作为训练集用户，其中，训练集用户的高维量化标识的均值等于基准用户的高维量化标识。

9.根据权利要求1所述的方法，其特征在于，所述按照每个用户的知识点的学习进度匹配对应的准确率达到设定值的预测生成器输出层的步骤，包括，对于每个用户，

根据每个用户的知识点的学习进度，获取每个用户的已经学习的知识点占全部知识点的比例作为第一目标比例；

获取全部对应的准确率达到设定值的预测生成器输出层中遗忘知识点占待学习知识点的比例作为第二目标比例；

选取与第一比例最接近的第二比例对应的准确率达到设定值的预测生成器输出层。

10.一种基于对抗学习和序列推荐的知识追踪系统，其特征在于，包括，知识点处理模块，用于将学习内容按照教学顺序进行拆分排列得到知识点序列以及知识点序列中每个知识点的编号；

用户分类模块，用于按照每个用户的知识点的学习进度将用户划分为若干个用户组；

数据预处理模块，用于在每个用户组内，获取部分用户主动选择复习的遗忘知识点的编号和待学习知识点的编号；

通过预测生成器生成用户的遗忘知识点的编号和待学习知识点的编号，其中，所述预测生成器的输入层是已掌握的知识点在知识点序列中的编号以及随机变量；

模型训练模块，用于将部分用户主动选择复习的遗忘知识点的编号和待学习知识点的编号以及预测生成器生成用户的遗忘知识点的编号和待学习知识点的编号输入判别器，得到预测生成器输出层的准确率；

根据预测生成器的准确率对预测生成器的输入层进行调整，迭代更新直至预测生成器输出层的准确率直至达到设定值；

得到多个准确率达到设定值的预测生成器输出层，即用户对应的用户的遗忘知识点的编号和待学习知识点的编号；

知识推送模块，用于按照每个用户的知识点的学习进度匹配对应的准确率达到设定值的预测生成器输出层；

按照用户匹配的准确率达到设定值的预测生成器输出层对应的用户的遗忘知识点的编号和待学习知识点的编号对每个用户推送知识点。