针对现有就业岗位推荐算法仅基于单一的信息源或简单的用户分类，无法充分捕捉大学生的多维特征和个性化需求，从而导致推荐效果不佳的问题，提出基于用户画像与二部图的大学生就业岗位推荐算法。在融合长短期记忆神经网络的条件随机场模型辅助下，从高校图书馆的档案管理系统中抽取出用户基础信息，基于此生成大学生用户画像。计算不同用户画像特征之间的距离，并采用k均值聚类算法完成用户画像聚类。运用二部图网络搭建基础的大学生就业岗位推荐结构，基于能量分配情况设计初步推荐方案。最后，以加权随机森林模型为基础，考虑用户对项目特征的偏好实现大学生就业岗位的分类，修正初步给出推荐列表的评分，获取精准的大学生就业岗位推荐结果。实验结果表明，应用该方法，给出长度为120的大学生就业岗位推荐列表，其推荐结果的命中率达到了0.94。由此说明，该方法可以精准得出大学生就业岗位推荐结果，从而提高就业匹配度和人力资源利用效率。