近年来,在电子商务的助推下,国内物流行业获得了空前的发展机遇。但目前,物流相关企业仍然存在基础设施落后、经营管理水平低下和物流专业人才匮乏等问题。此外,在就业寒潮背景下,高校物流专业毕业生仍然面临就业难的困境。依托高校的教学资源为物流企业培养、输送优质的专业人才为解决上述问题提供了途径。因此,从高校供给端做好物流专业毕业生的工作推荐,对于填补物流企业专业人才缺口,解决高校物流专业毕业生就业等问题具有积极意义。工作推荐系统通过挖掘、分析和匹配物流专业毕业生的就业意向、职位偏好、具备技能等多方面的信息,为物流专业毕业生推荐合适的工作,解决了高校物流专业毕业生就业推荐问题。目前的工作推荐系统主要基于信息匹配的方法,通过计算文本相似度为物流专业毕业生推荐工作,该方法存在以下四个问题:一、该方法在文本相似度计算过程中存在丢弃低词频,导致准确率偏低的问题;二、该方法未考虑物流专业毕业生和工作之间专业结构匹配的问题;三、该方法对于数字等非结构信息的处理能力较弱,忽略了薪资等重要因素;四、对于物流专业毕业生作为系统新用户,该方法面临冷启动问题。为解决上述问题,本研究以物流专业毕业生为研究对象,提出了一种基于语义信息匹配的物流毕业生工作推荐方法。针对丢弃低词频导致准确率偏低的问题,本研究使用了一种基于关键词相关矩阵的文本相似度计算方法,该方法能有效解决低词频丢弃问题,提高计算准确率;针对专业结构不匹配问题,本研究使用随机游走算法计算专业结构匹配值,充分考虑物流专业毕业生和工作之间的专业结构匹配;针对工作推荐方法忽略薪资问题,本研究使用欧式距离将工作实际薪资和物流专业毕业生期望薪资之间的差额进行量化,为物流专业毕业生推荐薪资差额较小的工作;针对冷启动问题,本研究根据已毕业学生的历史就业信息,整合工作招聘文本,通过关系网络充分挖掘物流专业毕业生和工作之间的关系,为物流专业毕业生推荐满意的工作。最终,通过实验证明本研究提出的基于语义信息匹配的物流毕业生工作推荐方法在平均满意率(AR)和归一化折现累计收益(NDCG)评估指标上,相比于基准方法有着更加明显的优势。