P2P借贷是互联网与传统金融交叉形成的一种新型借贷模式,它提供了更加方便、快捷的贷款平台,也为个人和小微企业主等群体带来了新的融资渠道。近年来,我国的P2P行业迅速发展,但出现倒闭、跑路等现象的问题平台也日益增多,P2P借贷平台面临严重的违约风险和坏账损失。信用评价是管理借款违约风险和辅助借贷决策的重要依据,然而较传统金融机构而言,P2P平台所收集的用户财务数据有限,数据类型更为复杂,其中还涉及难以量化的非结构化文本信息,这给P2P信用评价方法带来了新的挑战。因此,论文针对网络借贷模式特点,研究面向P2P网络借贷的个人信用评价方法,具有重要的理论和实践意义。论文首先介绍了 P2P借贷及个人信用评价的相关研究现状,并对P2P借贷模式的特点和P2P信用评价存在的问题进行了深入分析。其次,针对P2P平台收集的非结构化文本信息,采用文本分析方法和LDA模型抽取有效的信用特征,通过实证分析和建模研究验证文本特征与借款违约之间的影响关系。再次,本文结合组合模型架构,设计了两阶段组合的信用特征选择方法,对P2P平台中的数据特征进行多准则筛选,并在此基础上,采用随机森林方法构建了 P2P借贷的信用评价组合模型。最后,结合我国的P2P借贷平台数据进行实验研究,对本文提出的信用特征和P2P信用评价方法进行验证。研究结果表明,从非结构化文本中抽取的特征有效提高了借款的违约识别率和分类准确率,可以作为P2P信用的评价依据。本文提出的信用特征组合选择方法和基于随机森林的信用评价模型取得了良好的实践效果,对P2P网络借贷场景的信用评价研究具有一定的参考意义。