网络招聘是现阶段主流的招聘形式之一,发挥着连接求职者和招聘者的桥梁作用。人岗匹配是网络招聘中的一个重点研究问题。得益于自然语言处理技术的发展,已有人岗匹配研究大多基于岗位的岗位描述和求职者的工作经历这两个文本型特征建立模型。一方面,这些研究没有考虑到其他类型的文本数据,例如,职位子类和岗位浏览记录;另一方面,求职者的应聘过程是“浏览岗位→投递简历→招聘者是否认可”,已有研究没有考虑到求职者前序行为对后续应聘结果的影响。本文立足于网络招聘平台视角构建人岗匹配模型,包括基于BiLSTM的岗位和简历文本相似度计算以及基于XGBoost的人岗匹配建模两个阶段。论文的主要研究内容如下:（1）提出了一种基于BiLSTM的岗位和简历文本相似度计算方法。首先,本文从招聘平台视角出发,对岗位和简历文本相似度计算问题进行了形式化描述和定义。其次,对提出的岗位和简历文本相似度计算模型的构建方法进行了说明,包括基于BiLSTM的岗位描述特征表示、融合岗位浏览记录的工作经历特征表示、职位子类特征表示以及岗位和简历文本相似度计算。与以往研究不同的是,本文还考虑了岗位浏览记录、职位子类和期望职位子类特征,旨在挖掘求职者对岗位的偏好、丰富岗位和简历的表示。然后,在人岗匹配数据集上进行了验证,数值实验结果表明本文提出的模型是有效的,消融实验表明了考虑到岗位浏览记录、职位子类和期望职位子类特征的有效性。最后,为了说明模型有助于提升招聘平台的服务效率,进行了实例分析。（2）提出了一种基于XGBoost的人岗匹配方法。首先,本文对人岗匹配问题进行了形式化描述和定义。其次,对提出的人岗匹配模型的构建方法进行了说明,包括岗位和简历的原始特征分析、特征构建和人岗匹配预测三个步骤。原始特征分析步骤对岗位和简历的原始特征进行了分析和预处理;特征构建步骤从“求职者与目标岗位的相似度”及“求职者在申请同一岗位的候选人中的竞争力”两个角度构建的11个特征,岗位和简历的文本相似度是其中的一个重要特征;人岗匹配步骤将特征输入到XGboost模型计算人岗匹配度。然后,为了验证本文提出的人岗匹配模型的有效性,数值实验部分将本文提出的模型与采用其它几种机器学习方法的模型进行了对比,并采用消融实验方法对构建的特征的有效性进行了分析。实验结果表明,本文提出的人岗匹配模型是有效的,且本文构建的特征能够提高预测模型的精度。最后,为了说明运用模型进行人岗匹配的效果,进行了实例分析。