我们接触信息的方式随着互联网技术的飞速发展变得越来越简单和便捷。与此同时产生了海量的数据,这些数据的产生并没有有效提升信息的利用率,相反,海量数据直接的增加了用户筛选信息的难度。如何处理这些数据,以及从这些海量数据中提取关键信息一直都是人们研究的焦点。推荐系统是一种能够有效解决以上问题的智能系统之一。由于使用者对问题定义不明确或者对需求表达的不够清楚或其他因素,推荐系统通过分析使用者动态和静态数据,主动、智能的过滤信息,提取并向用户展示出他们的潜在需求。这一特性使得推荐系统在电子商务、社交网络以及个性化定制等领域有着重要的作用[1]。海量求职信息的产生直接增加了招应聘双方筛选有效信息的难度,如何解决这一问题一直都是研究的热点和难点。本文在对基于求职者行为数据分析的职位推荐系统进行了深入的研究之后,针对传统职位搜索和浏览的推荐现状在实际实施过程中出现的问题,本文运用基于内容检索、人口统计学知识以及协同过滤等技术,依照软件工程中软件开发的各项标准,在结合现有招聘系统的基础上设计并实现了一种基于用户行为数据分析从而得到推荐结果的实习职位推荐系统。本文主要的研究内容如下:1.个人用户平台系统完成基于个人用户平台系统的搭建。其中包括个人中心管理模块、应聘简历管理模块、求职应聘管理模块以及职位推荐管理模块等。2.企业用户平台系统完成基于企业用户平台系统的搭建。其中包括企业中心管理模块、招聘职位管理模块、招聘简历管理模块以及应聘推荐管理模块等。3.后台综合管理系统完成后台综合管理平台系统的搭建。主要功能包括会员、内容、运营、工具、系统等。其中会员模块包括企业管理、个人管理;内容模块包括新闻、测评、招聘会、公告以及问答系统等功能;运营模块包括广告、专题、举报等功能;工具模块包括数据库、数据采集、邮件服务器、邮件模板等功能;系统模块主要包括网站设置、类别、管理员、模板设置、信息设置等功能。通过对本文所设计并实现的实习职位推荐系统进行功能与性能的测评后,从测试结果上看,该系统基本符合预期的期望,具有一定的实际应用价值。