大数据时代,各式各样的招聘平台不断涌现,它们在为用户提供丰富多彩的线上招聘服务之余也面临着“信息过载”的困境。为了从海量简历和职位信息中挖掘出有价值的信息,推荐算法以及文本匹配算法纷纷被应用到了招聘领域。但是,现有的绝大多数推荐系统仅仅寻求从求职者或企业中的某一方面最大程度地提升用户满意度,无法同时兼顾求职者和企业双方的满意度,这在一定程度上降低了系统的实用性。与此同时,由于简历文本和职位文本的特殊性,传统文本匹配算法并不能满足实际需求。因此,设计并实现兼顾求职者和企业双方满意度的智能匹配系统势在必行。本文通过分析职位信息和简历信息的文本特征,提出了一种招聘信息与简历的智能匹配模型。在此模型中,针对招聘信息和简历中的结构化文本和非结构化文本分别采取了不同的计算策略。对于结构化文本,采用特征满意度计算模型进行计算;对于非结构化文本,采用词移距离(Word Mover’s Distance,WMD)计算其文本相似度。根据两者的计算结果,可以构造出职位与简历的匹配度矩阵,从中选择匹配度较高的简历及职位信息作为最终结果。实验通过对比所提出的模型与传统的基于用户的推荐算法和文本匹配算法在实际招聘数据集上的性能表现,验证了所提出模型的优越性。为了将招聘信息与简历的智能匹配算法运用到实际应用中,本文设计并实现了招聘信息与简历的智能匹配系统。具体包括求职系统和企业招聘系统。采用了MVC及三层架构、Bootstrap响应式布局以及React Native跨平台移动应用开发等技术。实现了包括Web端、Android及i OS客户端、微信小程序端的求职系统和Web端企业招聘系统。除了实现核心智能匹配功能外,还实现了简历搜索、简历管理、职位搜索和职位管理等扩展功能。此外,本文还实现了招聘数据的可视化,对数据库中与智能匹配算法相关的数据进行统计、分析和展示。最后,本文对智能匹配系统进行了功能测试、安全性测试和性能测试。通过分析性能测试报告,证实了该系统性能满足初期运行的基本需求,能够为求职者和企业双方提供线上求职和招聘服务,从而提高求职和招聘的效率。