现如今,随着大学毕业生每年的持续增加学生的就业压力越来越大,如何在有限的时间之内找到符合自己的工作职位对每一位毕业生来说显得尤为重要。本文综合以往就业趋势针对当下高校毕业生职位推荐问题完成了校园招聘智能推荐系统的设计与实现。首先,对校园招聘推荐系统的技术背景和研究方向以及国内外现状进行了总结:然后对当前推荐系统有关的关键技术进行介绍,对目前主流校园招聘推荐系统分析的同时也对现阶段常用推荐算法的优缺点进行详细的刨析。在总结研究成果的基础之上本文提出了两个创新点:一、针对当前网页抽取领域中网页正文抽取精度差的问题,结合标签路径覆盖率和多种文本特征提出并实现了基于标签路径覆盖率和多文本特征的正文抽取算法(CETD-TPF),提高了网页正文抽取精度。二、针对推荐算法面临的数据矩阵稀疏、冷启动等问题,在传统的协同过滤推荐算法的基础之上加入了时间和项目关键词因素,结合特征相似度的用户聚类分析,提出了基于用户综合兴趣度和聚类的协同过滤推荐算法作为校园招聘推荐系统的推荐引擎,完成了校园招聘智能推荐系统的设计与实现,使校园招聘推荐系统在规避传统推荐系统缺点同时更具智能化,使推荐结果更精确。经实验表明,本文提出的基于标签路径覆盖率和多文本特征的正文抽取算法(CETD-TPF)可以有效的提高网页正文抽取精度,同时基于用户综合兴趣度和聚类的协同过滤推荐算法可以有效的解决系统推荐过程中的项目冷启动问题和数据稀疏性问题,提高推荐精度,从而取得更好的推荐效果。