随着互联网技术的快速发展,网络招聘的规模迅速扩大,成为了一种重要的招聘方式,也导致了信息过载的问题。本文提出了一种新的个性化推荐方法,为求职者推荐符合其需求的网络招聘信息,从而解决信息过载的问题。本文深入分析了网络招聘信息和求职者简历信息的数据特征,发现其都包含重要的短文本信息。招聘信息中的职位描述、简历信息中的工作经历等100-200字左右的短文本包含了大量重要信息。本文针对招聘信息和简历信息中大量存在的重要的短文本数据,结合关键词提取、词向量、图模型、聚类、深度学习等技术,提出了一种新的基于图和聚类的关键词提取方法。该方法在短文本的数据集上的表现优于现在常用的关键词提取方法。本文将深度学习的方法应用到招聘信息推荐领域,训练得到一个深度网络,用于对简历信息和招聘信息的匹配程度进行自动评分。并结合Dropout和随机梯度下降等技术优化训练过程。最后设计实验,使用互联网上抓取的真实招聘信息数据和简历信息数据,验证本方法的有效性和准确性。最后,本文融合上述的技术和方法,设计并实现了一个针对求职者用户的网络招聘信息个性化推荐系统,验证了该系统以及上述方法的可行性以及准确性。