近年来,P2P网络借贷在中国发展迅速,我国P2P网贷规模已经成为世界第一,P2P网络借贷为民众和投资者均带来了便利,然而,随着P2P借贷机构的快速发展,这些机构的风险也逐渐暴露出来,主要表现为停业、提现困难和跑路三种形式。这些风险通常会导致投资人产生或大或小的损失,同时给社会带来不良影响,因此实现对企业风险的自动评估是十分必要的。虽然使用机器学习的方法可以实现对P2P网贷企业风险的自动评估,然而大多数机器学习方法对数据质量的要求较高,而目前P2P行业能够获取的数据量较小且各类风险类型的数据分布比较不平均。因此,为了解决P2P网贷机构数据规模较小且各类数据不平衡的问题,本文引入了强化学习模型。通过对多种强化学习算法的研究与分析,本文提出了一种基于强化学习的P2P网络借贷机构风险评估方法,该方法将风险评估任务看作是文本分类的一种。然而,现存的强化学习模型通常训练时间较长,十分耗时,因此,本文提出了一种改进的强化学习模型,利用经验回放及优先采样的思想,通过动态更新样本权重来加速模型的训练过程。基于以上技术研究,本文提出了基于强化学习的P2P网贷企业风险评估方法研究框架,详细介绍了预处理、文本特征表示、强化学习基线模型构建、风险评估及模型训练改进四个过程。之后通过实验验证模型的有效性。实验结果显示,本文提出的强化学习模型与传统机器学习模型相比,较少受到数据不平衡的影响并且能够达到较好的效果。最后,本文基于强化学习模型实现了一个P2P网络借贷机构风险评估的实验系统。