也许您可以使用词嵌入来更好地表示某些技能之间的距离。例如，“Python”和“R”应该比“Python”和“时间管理”更接近，因为它们都是编程语言。

整个想法是出现在相同上下文中的单词应该更接近。

一旦你有了这些嵌入，你就会有一套适合候选人的技能，以及适合工作的不同规模的技能。然后，您可以使用Earth Mover 的距离来计算组之间的距离。这种距离测量相当慢（二次时间），因此如果您有很多工作要完成，它可能无法很好地扩展。

为了解决可扩展性问题，您也许可以首先根据候选人拥有多少共同技能对工作进行排名，并偏爱这些工作。

正如您所描述的，匹配“文档”的一种常见且简单的方法是使用 TF-IDF 加权。但是，据我了解您的问题，您希望根据一组用户技能对每个职业（-文档）进行排名。

如果您从技能中创建“查询向量”，则可以将该向量与您的术语职业矩阵相乘（所有 tf​​-idf 权重作为值）。生成的向量将为您提供每个职业文档的排名分数，您可以使用它来选择“查询技能”集的前 k 个职业。

例如，如果您的查询向量 $\bar{q}$ 由 0 和 1 组成，大小为 $1 \times |terms|$，以及您的术语文档矩阵 $M$ 是大小 $|terms| \times |documents|$， 然后 $\bar{v} M$ 将产生一个大小的向量 $1 \times |documents|$ 元素等于每个职业文档中每个查询词的 TF-IDF 权重之和。

这种排名方法是最简单的方法之一，并且存在许多变体。Wikipedia上的 TF-IDF 条目也简要描述了这种排名方法。我还在SO 上找到了关于匹配文档的问答。

使用Jaccard 索引。这将非常符合您的目的。

您可以尝试使用“gensim”。我用非结构化数据做了一个类似的项目。Gensim 给出了比标准 TFIDF 更好的分数。它也跑得更快。