추천 시스템은 우리 생활에 많은 영향을 미친다. 영화, 도서, SNS 친구, 게시물 등 인터넷을 이용한 서비스를 사용하면 매순간 추천 시스템에 노출 된다. 추천 시스템 덕분에 기업은 더 많은 이익을 창출하고 소비자는 편리하고 합리적인 의사결정을 할 수 있다.
본 연구는 이직 기업을 추천하는 시스템을 제안한다. 잡플래닛은 재직자들이 현재 직장에 대한 리뷰와 평점을 게시하는 정보 공유 플랫폼이다. 본 연구에서는 리뷰 데이터를 수집하여 기업별 TF-IDF가 높은 단어를 추출한다. 사용자가 작성한 리뷰와 기업별 TF-IDF가 높은 단어 뭉치를 비교하여 유사도를 측정하고 사용자에게 유사도가 높은 기업들을 추천을 한다. 이 방법은 기존의 영화 추천, 상품 추천에 사용하는 협력 필터링 알고리즘과는 달리 사용자가 평가한 횟수가 영화 평가처럼 많지 않은 경우, 사용자의 평가 내역을 수집 할 수 없는 경우에도 구현할 수 있는 추천 시스템을 제안한다.