随着C2C电子商务的迅速发展,网络交易中的信用炒作、网络欺诈等行为带来的信用问题日渐突出,严重阻碍了网上交易的发展。因此,建立一种可靠的在线信用评价模型帮助交易者评价彼此的信用度,成为保障网上交易健康快速发展的当务之急。本文针对现有的C2C（CustomertoCustomer）电子商务中信任模型无法全面、准确地评估用户信任度的不足,以及传统的信任模型不能有效地防止交易欺诈与信用榨取的局限性，结合农产品本身的时间季节性与空间地域性等交易特点,利用Bayes网络和模糊综合评价方法构建了一个农产品C2C电子商务信任模型。论文的主要工作体现在三个方面：（1）在对国内外现有C2C电子商务信任模型的研究的基础上，重点探讨了国内目前最大的C2C电子商务网站淘宝网的个人信用评价体系，指出了现有C2C电子商务信任模型不能有效防止交易欺诈与信用榨取等问题。（2）在对Bayes网络和模糊评价理论研究基础上，提出了一个基于Bayes模糊评价的农产品C2C信任模型，并通过实例和数值仿真表明了新模型能够有效防止交易欺诈和信用榨取。（3）针对新提出的模型，利用Java和JSP技术，构建了一个农产品C2C信任评价模拟系统。本论文的主要创新之处在于：（1）模糊综合评判法的应用解决了农产品C2C电子商务信任评价中消费者可信度、交易金额、农产品质量等因素对用户直接信任评价值的影响。（2）用户的推荐信任值是由交易对象的评分通过贝叶斯法则得出，将农产品C2C电子商务信任评价中的不确定性更加准确地通过概率统计的方法展现出来。