近年来,高校毕业生总体人数持续保持增长态势,高校方面如何帮助毕业生应对当前日益严峻的就业形势,成为了当下高校就业服务部门关注的焦点问题。随着互联网信息技术的发展,求职者可以通过浏览招聘网站来获取求职信息。但是,网络招聘虚假信息较多、信息杂乱,毕业生难以获得丰富全面的就业信息和个性化推荐服务,降低了求职效率。此外,非结构化的在线招聘数据包含大量隐性需求知识,可以帮助大学调整教学计划,但求职者或高校教学管理者很难获得这些隐性需求知识。为了解决上述问题,本文建立了一个基于大数据的大学就业信息服务系统。本系统基于Spark平台进行设计,对从各大求职招聘网站采集的职位数据进行处理,进而实现了职位数据可视化、职位个性化推荐、就业热点分析、关联规则挖掘等功能。本系统利用Scrapy网络爬虫技术从互联网获取职位数据并保存到Mongo DB数据库中。使用TF-IDF算法对职位数据的特征进行提取并且采用K-means算法对其进行离线聚类,然后通过对用户个人简历和用户行为日志进行分析获取个人偏好,并据此设计了一种基于内容和基于模型的协同过滤的混合职位离线推荐策略。本系统同时设计了基于Spark Streaming技术的实时职位推荐策略,离线推荐和实时推荐共同构成了系统的个性化职位推荐功能。此外,本系统还采用LDA算法分析就业市场的热门技能,利用FP-growth算法挖掘职位数据不同数据项间的关联规则,最终实现职位数据的多角度分析。本系统可以为求职者提供个性化职位推荐服务,为缓解高校毕业生就业难题提供了有力帮助。同时系统通过分析职位数据对招聘信息的需求知识进行归纳总结,并且以丰富的图表展示分析结果,可以帮助高校方面及时获取就业市场的反馈来指导教学工作,跟踪就业岗位需要的技能,优化教学科目,对于高校及相关教育机构进行教学调整及教学研究有着切实的意义。