由于高职院校毕业生就业系统中用户群体和资源数量较多, 就业资源权重具有显著差别, 难以统一生成推荐标签, 导致毕业生就业系统无法完成资源的按需推荐。 为此, 针对高职院校毕业生就业系统, 设计一种多种类资源按需推荐算法。 通过历史数据, 提取用户信息的多维特征, 并利用长短期记忆神经网络融合多源数据, 抽取有效标签, 进而建立毕业生就业系统的用户标签库, 形成用户画像。 根据用户画像的大体情况, 结合艾宾浩斯遗忘曲线对多种类就业资源进行标签矩阵评价, 建立内容主题模型, 并利用谱聚类算法进行图分割, 根据相似度赋予不同就业资源不同的权重值, 对其实施归一化处理, 生成二级标签, 完成就业资源的标签化处理。 构建毕业生就业地域偏好基点, 将用户画像与就业资源标签在指定地域位置进行关联匹配, 并通过专家排列加权的方式对推荐结果进行评分, 将评分数值高的就业资源推荐给用户, 实现高职院校毕业生就业系统多种类资源的按需推荐。 对上述设计实验结果表明, 该算法推荐结果的命中率均大于0. 9, 具有较高准确性。