近年来随着我国高等教育的迅速发展,高校毕业生数量逐年猛增,就业压力日益严峻。校园招聘作为连接高校和社会的重要桥梁,在发挥重大作用的同时,也面临着越来越多的挑战和不足。一方面,高校、学生和用人单位之间存在很大的信息不对称,大数据时代数据的繁多复杂增加了高校和学生获取信息的成本,导致高校和学生无法获悉用人单位的全方位信息。另一方面,高校无法对就业工作提供针对性的个性化服务,未能实现学生和用人单位之间的精准匹配。论文针对目前校园招聘存在的问题提出了构建雇主画像的概念。首先,论文深入研究了大数据背景下的数据特点和用户画像的相关理论,并探讨了构建雇主画像的必要性和将用户画像应用到校园招聘领域的可行性。然后,论文研究了构建雇主画像的总体框架,进行了雇主画像维度和标签体系的设计,并基于用户画像在现实中的应用实践,探索且提出了雇主画像的构建方法和流程。最后,论文以雇主画像的评级标签为例,详细的介绍了利用机器学习建模的方式提取标签的原理、技术和步骤。此外,论文还以仿真实验的形式验证了机器学习建模的方式提取标签的效果,而且对模型进行了优化工作。论文研究了大数据背景下建立校园招聘的雇主画像的可行性、必要性和紧迫性,以及雇主画像的构建对现有校园招聘存在的两大问题的解决具有的重要意义。论文提出的基于改进的模糊聚类和广义回归神经网络提取雇主的价值评级标签方案,既实践了机器学习解决问题的建模流程,又解决了传统依赖专家经验确定客户价值的主观性。