网络招聘凭借效率高、成本低、广告效果好等优势成为我国人才市场上的一种重要招聘渠道。面对大量简历投递,企业面临着筛选压力。当前,网络招聘市场涌现出以数据算法为驱动力的新兴业态,利用求职数据提高招聘效率。为解决企业在线上招聘过程中,简历筛选难、签约率低的问题,本文研发了基于图匹配与模糊综合评判的人职匹配系统。本文设计的基于图匹配与模糊综合评判的人职匹配系统面向如下问题:1)系统使用者是来自工业行业的求职者和企业,面向工业人群,需要构建特种评价方案,凸显工业人才价值和工业企业需求;2)人才的评价不是简单的量化和粗粒度的定性,人才的评价必须包含多元观点、模糊度量;3)线上大量的简历投递,需要借助快速分析工具辅助筛选;4)求职者的多方投递,给未达成雇佣关系的企业产生了沉没成本,企业需要借助推送工具,优先筛选潜在签约者。针对这些问题,本文提出了如下解决办法:1)设计工业人才评价体系,为工业人才量身定制评价方案。本文将工业人才价值划分为九个要素,并为它们灵活定制了以标量和向量为表现形式的数学描述方法。求职者和企业围绕九个要素建立存档,系统围绕九个要素定义评判策略。2)改良模糊综合评判理论,实现主客观兼顾评判。本文引入模糊综合评判理论计算求职者的合适程度,为此构造了应用于人职评价的因素集、评语集、单因素评判矩阵和权向量。本文改良了原始理论对人工评价的依赖,构造了无需人工干预的评价器。本文同时改良了原始理论对专家意见的依赖,构造了基于变异系数的权重分析器。本文考虑雇主的主观偏好,设计了基于历史招聘数据的岗位偏好分析策略。本文重视求职者的客观评价,设计了基于相似度的能力方向评判策略和基于欧氏距离的能力深度评判策略。本文促进理论衔接与融合,设计了人职匹配度的概念,连接模糊评判理论与图匹配理论。3)使用图匹配理论,解决人职匹配难题。本文对招聘场景进行了细致分析,提出了“简历-岗位-工位”三级关联结构。本文促进实际问题向理论适用的转变,设计了“简历-工位”二分图的构造方法,并围绕构造过程中的特定情形,制定了模型的变换策略。本文落地Kuhn-Munkres算法,求解全局最优匹配下的简历分配问题。本文解决了理论结果与实际目标解的形式差异,提出了“简历-工位”匹配结果向“岗位-简历”推荐列表的转化方法。本文将工业人才评价理论、模糊综合评判理论、图匹配理论应用于人职匹配系统,不仅是多理论融合的一次前沿尝试,也是融合理论应用于人职匹配系统的前沿探索。本文以准确率、召回率、F1值为指标,设计并完成了对比实验,验证了算法的有效性。另外,本文将设计的模型与提出的算法应用到工程实践中,设计了与理论方法一致的人职匹配系统建设方案。系统实施结果显示,基于图匹配与模糊综合评判的人职匹配系统有着清晰直观的用户界面,能够自动估算求职者与岗位的合适程度,并在全局范围上,计算求职者与岗位的最优分配方案,为雇主推荐合适求职者。