基于图卷积神经网络的大学生学习资源推荐系统

随着信息技术的发展,人工智能技术已经应用在人们生活的方方面面。深度学习领域基于图卷积神经网络(GCN)的学生分类和资源推荐系统在高职教育中也得到了广泛应用。对于在校大学生而言,大部分的学习时间都在传统课堂上,而且学生在传统课堂上会产生大量的行为数据。将这些数据进行收集并对其进行数据挖掘[1],分析数据之间的关联性,再将发现的规律反馈到传统课堂上,这将会对辅助教师教学、提高教学质量提供有力的帮助。文献综述旨在概述这一领域的最新研究,强调GCN在高职教育中的潜在应用以及研究现状。该研究提出了大数据环境下基于GCN的学生分类与资源推荐算法,有效弥补了基于GCN的大学生学习用户分类以及推荐算法在教育领域应用的不足。并且采用了前后端分离的体系结构,将应用部署到服务器上,设计实现了学生学习资源推荐系统,为大数据时代高校学生个性化教育提供了辅助支持。从而提高高职教育的人才培养质量,切实做到为党育人、为国育才,推动我国现代化教育的高质量发展。