在当今大数据的时代下，各类信息数据呈几何级增长，也冲击着企业的生存与发展，如何利用信息技术手段改善当前工作方式，提高企业运行效率至关重要。企业之间竞争的本质就是人才的竞争，人才的质量与数量决定公司发展能否长久。随着信息技术越来越发达，互联网已基本普及的背景下，互联网招聘已经成为国内大多数企业日常最常用的人才招聘方式，面对互联网上的海量人才简历，如何快速准确地发现并录用符合公司发展需要的人才，成为近几年众多企业和专家学者们共同关注的焦点。
　　简历筛选工作作为人力资源招聘工作重要的一个环节，它涉及到后续企业面试、录用等环节，此环节筛选的候选名单质量也决定企业人才的质量。当前企业在简历筛选方面更多是靠人为经验以及主观性的判断开展，这对简历筛选人员的能力素质要求较高。当前人力资源的评估针对岗位要求和筛选的要求，往往通过长期工作经验积累有一套固定的筛选办法，而实际却是公司各个岗位人才要求结合公司当前发展阶段的需要是动态调整的。再者，面对当前互联网上各种第三方招聘平台的简历样式与格式的不一致问题，大大增加了人力筛选的难度，效率的低下也就制约了公司的发展。
　　本文以人力资源中招聘环节的成本为出发点，从减少人为简历筛选效率低下问题。具体从简历筛选前岗位人才模型构建、互联网平台简历关键数据获取，通过机器学习算法相结合作为简历自动筛选的方案。本文在参考了前人研究的基础上，提出基于企业人才要求变化而动态调整的简历筛选方法，有效降低了企业人力招聘成本，提高了人才招聘效率。
　　本文结合大数据IT公司南京诚勤教育科技有限公司，以实际数据研发工程师岗位招聘为例来实际验证提出的互联网简历筛选方案。通过两组样本来进行验证，第一组为100份简历样本，第二组在包含100份简历样本的基础上再增加100份简历样本，通过机器进行学习分别推算得出符合条件的筛选名单。第一轮验证在不改变方案情况，观察在数据样本增大的情况下，原有样本的子集得出的符合名单是否一致来验证互联网简历筛选方案的稳定性；第二轮验证在调整了相关参数后，方案运行得出简历筛选匹配率是否针对性变化。通过样本的测试发现，本方案具备一定的实用价值，也可以为后续其他企业在互联网简历筛选工作中提供支撑。