由于移动互联网技术的高速发展,高校中传统模式的教务系统已无法满足学生日常学习的需求,教务系统的大部分应用都需要逐步接入移动端。随着我国教育改革的深入,高校为了使学生拥有丰富的学习生活,会组织开设各种各样的选修课程供学生选修学习。学生在选课期间,面对海量的选修课程信息时,通常需要花费很长的时间来筛选自己喜欢的课程。针对上述情况,本文在移动端设计与实现了一套包含推荐算法的教务系统,在移动端为学生提供教务信息的同时,为学生在选课期间推荐符合学生自身需求和特点的选修课程。本文首先研究了 NGCF（Neural Graph Collaborative Filtering）协同过滤推荐算法在应用场景下推荐精确度不高和冷启动等关键问题,然后结合使用先进的系统开发技术,设计与实现了“基于协同过滤推荐算法的移动教务系统”,具体研究工作和成果如下:（1）提出一套学生选课数据集,在该数据集上比较和使用几种图卷积推荐算法,判断NGCF协同过滤推荐算法作为系统核心推荐算法的可行性,接着使用NGCF算法生成初始推荐模型,针对NGCF算法在本应用场景下的不足,提出加入学生学分以及学院融合层的办法,根据学生当前的学分情况和学院当前课程历史开课情况,对候选集进行筛选,生成更加精确的推荐模型;还提出了在系统应用层面处理算法冷启动的做法。（2）结合改良后的协同过滤推荐算法,对系统进行多种需求分析,并对软件整体架构、安全、功能和数据库进行相应设计。然后运用开发技术对系统的设计进行实现,并将其与微信公众平台相结合,实现移动端的接入。最后本文还对系统进行单元测试和性能测试,在开发过程中及时排查出系统的错误,方便系统后期的维护。