一直以来，实习与就业都是让每个毕业生感到头疼的一件事情。不清楚各个岗位的技能要求、不了解自身技能水平是否达标、如何高效的浏览外包信息等问题一直困扰着每一个准备走向工作岗位的同学。近年来大数据推荐系统广泛应用在能源、电信、金融、汽车、物流、餐饮等各个行业中，那么本系统将利用大数据推荐系统来解决毕业生就业问题。

在系统运行流程中，首先使用网络爬虫技术对互联网中的外包信息进行数据抓取，然后再使用简单数据统计结合正则表达式与常用的去重、去空等数据清洗方法对接单信息进行数据清洗；目前K-Means算法经过大量优化在众多聚类算法中脱颖而出，所以本次系统中选取K-Means聚类算法来计算出关键岗位的数据信息，对清洗后的数据进行聚类分析；通过对比当下使用较为广泛的各种推荐算法，最后采用欧氏距离算法来对比关键岗位数据与毕业生基本信息和技能掌握情况数据，推荐出适合用户的岗位信息。

实验结果表明，在对岗位信息进行聚类分析时，K-Means算法处理的数据准确度更高；且使用欧氏距离算法来实现就业推荐的效果同比其他算法和推荐系统效果更好，系统总体运行效果良好。