互联网的高速增长,在给我们的生活带来极大的便利的同时,也让我们湮没在了信息的海洋中,海量的数据已经使得我们寻找相关信息时,很难快捷的发现我们的目标信息。为了克服信息过载带来的问题,分类目录、搜索引擎和推荐系统先后登上历史舞台,在很大程度上缓解了我们的信息焦虑。随着互联网渐渐渗透进我们日常生活的方方面面,我们的个人生活已经无法脱离互联网而存在,求职作为我们日常生活中极其重要的事情,也渐渐的利用起了互联网带来的便利,雨后春笋般的网络招聘网站就是一个例子。近年来,随着在线招聘的日益增长,网络雇主和求职者的数量也在高速的增长,越来越多的人把求职的重心从线下转移到了线上,享受着互联网带来的方便和快捷。互联网给雇主带来的不仅是较高效率的招聘,还有海量的高素质人才,以及节约了不少招聘成本。但是,随着互联网招聘的蓬勃发展,海量的职位信息和人才信息已形成了一个庞大的信息库,资源从充足变为了过载,反而降低了人才招聘的效率。传统搜索引擎是解决信息过载的利器,但是,搜索引擎在准确度、个性化以及反馈互动中均存在很大的不足。虽然传统搜索引擎有以上几点不足,但是,传统搜索引擎基于文本的搜索技术,凭借其高效及可线下计算的特点,依然具有很大的用武之地。个性化的推荐系统可以很好的克服准确度不高、个性化不够以及反馈互动不足的问题,它可以基于求职者的职业经历,为求职者进行精准而又个性化的推荐,也可以基于公司的招聘信息和历史招聘记录,为公司定制化的推荐合适的人才。本文基于个性化推荐系统,进行人才推荐的相关研究,主要工作有以下几个方面:(一)分析求职者的求职路径,推测其潜在的求职意向。求职者的职业经历是有模式可循的,所谓“人往高处走”,求职者的职业轨迹也往往是一个逐步上升的趋势,在掌握这个趋势的情况下,本文在做搜索和推荐时就可以过滤掉很多无关信息,更加准确的为求职者推荐适合他的下一个职位。(二)结合基于网络的推荐系统和标签,为求职者推荐职位,为公司推荐应聘者。通过分析求职者的简历与公司的招聘信息和简介,为公司和求职者进行建模,然后利用基于内容的推荐系统进行推荐。同时,根据求职者的职业经历,本文利用基于网络结构的推荐系统,为求职者和企业进行双向推荐。(三)结合搜索与个性化推荐系统,构建基于个性化推荐系统的人才搜索算法,并搭建相应平台。职位推荐系统与传统的电商推荐系统一个很大的差别就是,前者是一个双向选择的过程,一个成功的推荐意味着双方都很满意的结果,这在很大程度上加大了推荐系统的设计难度。因为传统的推荐系统是单向的,都是给用户推荐商品,商品本身并没有选择权。