1.一种职位推荐方法，其特征在于，包括：

获取用户数据和职位数据；

根据用户数据建立用户偏好向量空间模型，根据职位数据建立职位向量空间模型，用户偏好模型中的用户兴趣与职位模型中的相关职位属性相对应；

根据用户偏好模型和职位模型进行基于内容的多域评分值计算获得职位的第一评分值，并根据第一评分值对职位进行排序获得职位集；

若一职位有投递记录且属于职位集，则根据用户偏好模型和用户数据进行该职位基于用户背景信息相似度的评分值计算获得职位的第二评分值；

根据职位的第一评分值和第二评分值获得该职位的混合评分值，并根据混合评分值对职位进行排序获得推荐列表。

2.根据权利要求1所述的职位推荐方法，其特征在于，所述建立的用户偏好向量空间模型User_Profile为：User_Profile＝{(k1，w1),(k2，w2)...(kn，wn)}；

其中kn为用户的兴趣项，wn为兴趣项的权重。

3.根据权利要求2所述的职位推荐方法，其特征在于，所述建立的职位向量空间模型Recruit_Modle为：Recruit_Modle＝{(l1，v1),(l2，v2)...(ln，vn)}；

其中，ln为职位属性，vn为职位属性的权值。

4.根据权利要求3所述的职位推荐方法，其特征在于，在建立用户偏好模型与职位模型的步骤中包括：将用户偏好向量空间模型分为n个不同的域，每一个域对应一个兴趣项，将职位向量空间模型分为n个不同的域，每一个域对应一个职位属性；

在所述获得职位集的步骤中包括：

通过下述表达式计算获得第一评分值Scorecb：其中wi是用户偏好模型的第i个域的权重，vi是职位模型第i个域的权重，Sim(li,ki)为用户偏好模型与职位模型第i个域的相似度；

根据所述第一评分值对职位进行排序，提取排名的前N个职位组成职位集。

5.根据权利要求4所述的职位推荐方法，其特征在于，通过下述表达式计算获得用户偏好模型与职位模型第i个域的相似度：其中wp'是用户偏好模型中第i个域的第p个词的权值，vp'是职位模型中第i个域的第p个词的权值，若没有某个词，那么这个词的权值为0。

6.根据权利要求2所述的职位推荐方法，其特征在于，所述建立的用户偏好向量空间模型为无嵌套的文档，在所述获得职位的第二评分值的步骤中包括：基于职位数据选取有投递记录的目标职位；

判断目标职位是否属于职位集；

若属于，则根据下述表达式计算第二评分值Scoreub：其中，Ua表示职位已有的投递记录中的所有用户集合，uo表示用户User， 表示职位的所有投递用户总数，sim(u,uo)为职位的投递用户u与用户User的相似度值。

7.根据权利要求6所述的职位推荐方法，其特征在于，通过下述表达式计算获得职位的投递用户u与用户User的相似度：其中 是用户User的第q个词项的权值，wuq是投递记录中的用户u的第q个词项的权值。

8.根据权利要求1所述的职位推荐方法，其特征在于，在所述获得职位的混合评分值的步骤中包括：根据下述表达式获取职位的热度因子μ：

其中 为职位的投递用户总数，N代表当前最热门职位的投递用户数；

根据下述表达式获取时间因子ε：

其中Dp为职位的发布日期，Dl为用户的登录日期；

根据下述表达式计算混合评分值Scoreh：

Scoreh＝Scorecb*Scoreub*με；

其中Scorecb为第一评分值，Scoreub为第二评分值。

9.根据权利要求2所述的职位推荐方法，其特征在于，所述建立的用户偏好向量空间模型User_Profile为：User_Profile＝{(k1，w1),(k2，w2),(k3，w3),(k4，w4),(k5，w5)}；

其中k1为用户的兴趣项“期望领域”，w1为它的权重，k2为用户的兴趣项“期望地域”，w2为它的权重，k3为用户的“家乡”，w3为它的权重，k4为用户所学的“专业”，w4为“学历或学位”。

10.根据权利要求3所述的职位推荐方法，其特征在于，所述建立的职位向量空间模型Recruit_Modle为：Recruit_Modle＝{(l1，v1),(l2，v2),(l3，v3),(l4，v4)}；

其中l1为职位属性“职位类别”，l2为职位属性“工作地”，l3为职位属性“职位名称”，l4为职位属性“学历要求”。