随着互联网的逐渐普及，越来越多的招聘信息在网上公布，海量的招聘信息需要求职者花费大量的时间和精力挑选既符合职位要求又使自己满意的职位，这就导致了“一职难求”状况的出现。为了解决这一问题，众多的招聘网站进行了不同程度的改革，为求职者进行职位推荐，试图让求职者只专注于自己的招聘网站，但求职者却对这些没有针对性的职位推荐不满意。传统的基于浏览和查询的推荐方式不能够满足求职者的需求，无法实现个性化。众多求职者也存在着一个普遍的问题，就是不能正确的评估自己，求职者不能真正的了解自己、了解企业、了解职位，故在求职的过程中非常的盲目。针对上述问题，本文主要从以下几个方面进行了研究：1.将案例推理方法引入到推荐系统中，可以帮助求职者借助成功求职者的求职经验，提高求职的成功率。研究了案例的表示方法，可以完整有效地表示求职者的用户概要和求职意向等信息。2.在案例分类过程中应用朴素贝叶斯分类技术，将求职者按照所学专业对应到行业类别中，在进行案例检索时，只需在同一类别中进行，缩短了检索的时间，提高了检索效率。3.使用层次分析法确定了案例属性权重，引入了区间型和层次型属性的相似度计算方法，使得到的结果更加精确。4.将社会网络中的信任添加到推荐系统中，在对用户概要和求职意向进行相似推理的基础上，增加对相似案例的信任程度度量，提高推荐的满意度。5.应用求职意向上下文，及时发现求职者求职意向及偏好的改变，对推荐结果做出调整，实现个性化服务。6.基于算法，本文使用Microsoft SQL Server2008数据库管理系统存储某人才招聘求职网站2005-2010年的工作职位和求职者数据，使用统计分析软件R实现了算法，初步能够完成职位推荐。总之，本文将案例推理方法、贝叶斯分类方法、上下文信息检索技术、基于信任的推荐算法整合应用于职位推荐系统，初步得到令求职者满意的推荐结果，本文的研究结果对电子商务系统、职位推荐系统有一定的参考价值。