随着大学生毕业生不断增加,就业难的问题日益凸显。而大学生不能掌握有效就业信息、就业目标定位不准、准备不足都会对就业造成不利影响。面对就业网站大量的招聘信息以及学生和企业间的信息不对称,使得毕业生难以搜索到适合自己的就业单位,只能盲目参加招聘会,这不仅浪费了时间和精力,甚至错过了适合自己的就业机会,大大降低了就业成功率。面对现状,虽然各高校都针对性的开展了就业指导和推荐,但是由于毕业生人数较多,高校无法针对每个毕业生的特点进行个性化推荐,而目前高校的就业网站只能发布就业信息,无法为毕业生推荐适合的就业单位。因此,我们需要寻找一种客观、个性化且能针对个人情况进行推荐的方法和手段。随着个性化推荐系统的研究和应用,为解决毕业生个性化就业推荐问题提供了有利支持。个性化就业推荐系统通过挖掘学生就业意向、职业兴趣、在校表现等多方面信息,结合往届生就业数据,能够为毕业生推荐适合的就业单位,引导毕业生进行有效的就业准备,减少时间和精力的浪费,提高就业成功率。目前在毕业生个性化就业推荐系统方面的研究尚不成熟,推荐效果有待提高,推荐模型和推荐算法仍需改进。本文对目前研究中存在的下述3个不足进行了研究：(1)缺乏结合学生就业特征的推荐。目前使用较多的是传统协同过滤算法,仅仅依靠学生就业兴趣评分,没有考虑到学生特征对于就业的影响。(2)不能客观的确定就业特征的影响权重。目前,特征权重确定大都采用主观评价方法,难以体现客观实际。(3)采用K-means聚类提高推荐速度时没有解决该算法受初始聚类中心影响的问题。针对问题,本文首先分析了影响毕业生就业的因素,从中提取了9个学生就业特征；其次,通过对比分析选择了信息增益率作为计算特征权重的方法；然后,为避免聚类效果受初始聚类中心的影响,提出了改进的AK-means (Adcanced-K-Means)算法对学生特征聚类,利用MATLAB编程验证了算法的有效性,最终,结合学生就业特征和兴趣评分,构造了基于学生特征的协同过滤就业推荐模型。在推荐模型建立的基础上,采集了某工科学院4年的学生就业数据对模型进行验证分析,并采用SQL Sever 2008数据库和C#编程语言开发了基于B/S结构的就业推荐系统原型,该原型能够实现本文模型的推荐功能。通过验证,本文提出的就业推荐模型具有一定的有效性,能够为学生就业提供一定的参考作用,对于推荐系统在高校的应用具有积极的探索意义。