优秀人才是公司最核心的财富。人员招聘是公司不断补充新鲜血液、持续发展壮大的关键手段。互联网行业有着工作强度高、行业格局变化快的特点,互联网企业如何根据内外部环境并结合行业特点甄选符合企业文化和未来发展方向的人才成为亟须解决的问题。人才招聘本质上是一个非常复杂的决策问题。一方面,在招聘中用来衡量人才素质高低的人才招聘指标体系需要根据每个行业独有的特点来确定;另一方面,由于人类思维的不确定性、犹豫性和模糊性,招聘方对应聘人才的评价会受到主客观方面诸多不确定因素的影响,这将导致决策中精确的数学模型已不能满足人们在实际招聘中对不确定性和犹豫性的描述需求。另外,由于互联网行业的高速发展,新的岗位涌现,例如:数据库管理员、交互设计师等。繁多的岗位使互联网行业的招聘过程变得愈发复杂,单纯依靠某一个招聘人员很难在应聘者中选择最适合企业发展的人才。为了能更加符合决策者的认知方式和思维模式,体现群体决策的智慧,使互联网行业人才招聘更具客观性、科学性。本文在已有研究的基础上,进一步探讨了互联网行业人才招聘指标体系的构建,并将犹豫模糊语言环境下的TOPSIS评估方法拓展到人员招聘的实际应用中,研究的主要内容如下:（1）以CIPP（Context Evaluation、Input Evaluation、Process Evaluation、Product Evaluation）模型为理论基础,初步建立互联网行业人才招聘指标体系。以CIPP模型为框架,参考大量相关文献并结合自身经验,初步建立互联网行业人才招聘指标体系。然后,采用德尔菲法进行专家咨询以提高指标的可信度和科学性。按照专家建议,对指标不断改进,为互联网行业人才甄选标准提供借鉴。（2）研究了犹豫模糊语言术语集的性质。主要有犹豫模糊语言术语集的相关概念、距离测度、比较方法。在犹豫模糊语言术语集的比较方法中,引入犹豫指数,在此基础上从新的角度定义了犹豫模糊语言术语集比较大小和距离测度的方法。（3）将TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）方法应用到人才招聘中的犹豫模糊语言环境下。此方法中,基于专家信任网络利用改进的PageRank算法计算专家权重以解决在评价过程中专家权重人为给定、权重确定过于主观的问题。接着为体现群体决策的智慧,采用群组G2方法确定指标权重。最后,通过犹豫模糊语言TOPSIS方法得到方案的排序结果,确定岗位最佳人选。