招聘系统中存在两类拥有自主选择权的对等用户,这就决定了该领域中的个性化推荐具有诸多新特点。本文以高校毕业生的就业问题为应用背景,实现了毕业生和企业间的双向推荐,具有重要的实用价值和理论意义。本文主要进行了以下研究:(1)针对招聘领域中用户对等的特点,提出双向推荐概念,并建立双向推荐模型。(2)在基于内容过滤的推荐中,对毕业生和职位信息进行解析,建立向量空间模型;为提高推荐效果,对用户属性值进行量化,使向量量化的粒度更细;分别计算用户的向量相似度,并以此为标准实现毕业生和企业间双向推荐。(3)在协同过滤推荐中,针对用户评分数据的缺失问题,本文通过对用户操作行为赋予一定权重值,将其转化为评分数据,并以此建立了用户-项目评分矩阵;针对数据稀疏性问题,本文对毕业生和职位进行双重聚类,并将预测评分填入评分矩阵;针对招聘领域中用户兴趣漂移问题,本文引入时间因子,并将其融入到相似度计算中。(4)为弥补各单独推荐算法不足,本文将基于内容过滤的双向推荐和双重聚类的协同过滤推荐进行融合,提出混合推荐模型;为确定混合推荐模型中各权重系数,本文采用问券调查方式。(5)以混合推荐作为推荐引擎,设计和实现了面向高校毕业生就业的双向推荐系统。实验表明,相对于其他推荐算法,混合推荐具有更好的推荐效果。经过系统运行测试,本文设计和实现的系统,具备基本双向推荐功能。