到目前为止，我可以想到两种方法来表述这个问题：

1.搜索问题

解析您的工作列表并在 Solr 或 ElasticSearch 等某种搜索引擎中将它们编入索引。您可以使用 Word2Vec模型构建语义搜索等功能。

现在编写一个查询引擎，它接受简历并查询这个搜索引擎。由于工作列表将全部编入索引，因此速度将非常快。

2. 相似性问题

我会创建混合相似函数。例如：

a) 简历和职位列表匹配了多少个热门关键词

b) 使用Doc2Vec的简历和工作列表的相似性（工作列表的预计算向量）

c) 使用局部敏感散列等算法来减少查找空间

这种方法会很慢，但可能会产生良好的结果。

从 开始named entity recognition，它给出了发布的哪一部分是要求，哪一部分是描述的想法，然后你可以尝试只用词袋。由于主题结构和词汇是标准的，并且单词重要性不需要权重，因此我找不到在这里使用 TF-IDF 的理由。