En el campo de la contratación de empleo, los métodos de recomendación tradicionales solo se basan en los datos de calificación de los usuarios de los puestos para el emparejamiento de información. Esta estrategia simple tiene problemas como la baja utilización de datos heterogéneos de múltiples fuentes y la dificultad para extraer información relevante entre reclutadores y solicitantes. Por lo tanto, este documento propone un modelo de red neuronal recurrente basado en un mecanismo de atención de dos capas. El modelo primero mejora la representación de entidades de reclutadores y solicitantes a través del comportamiento del usuario, el conocimiento relacionado con la empresa y otra información. Las entidades y sus combinaciones se mapean al espacio vectorial utilizando métodos one-hot y TransR, y se utiliza una red neuronal recurrente con un mecanismo de atención de dos capas para obtener sus intereses potenciales a partir de la secuencia de clics, y luego se genera una lista de recomendaciones. Los resultados experimentales muestran que este modelo logra mejores resultados que los modelos anteriores.