摘要：针对现有就业岗位推荐算法仅基于单一的信息源或简单的用户分类,无法充分捕捉大学生的多维特征和个性化需求,从而导致推荐效果不佳的问题,提出基于用户画像与二部图的大学生就业岗位推荐算法。在融合长短期记忆神经网络的条件随机场模型辅助下,从高校图书馆的档案管理系统中抽取出用户基础信息,基于此生成大学生用户画像。计算不同用户画像特征之间的距离,并采用k均值聚类算法完成用户画像聚类。运用二部图网络搭建基础的大学生就业岗位推荐结构,基于能量分配情况设计初步推荐方案。最后,以加权随机森林模型为基础,考虑用户对项目特征的偏好实现大学生就业岗位的分类,修正初步给出推荐列表的评分,获取精准的大学生就业岗位推荐结果。实验结果表明,应用该方法,给出长度为120的大学生就业岗位推荐列表,其推荐结果的命中率达到了0.94。由此说明,该方法可以精准得出大学生就业岗位推荐结果,从而提高就业匹配度和人力资源利用效率。