随着互联网和计算机信息技术的日益普及,网络购物在线支付已经走进大众。与此同时,在庞大的交易支付数据的背后在线退款的行为也是水涨船高。由于网络购物的特殊形式及其提供的宽松退款策略等因素,使其退款率较线下购物的退款率相比居高不下,且传统退款流程涉及涉及账务、财务、支付机构和物流等方面的制约,存在退款周期长、效率低下等问题。因此推出一套适用于电子商务的在线退款系统,增加在线退款成功率,通过对退款数据的分析挖掘减少退款行为,从而降低退款率给企业带来利润便显得势在必行。本文设计并实现了一个基于电商平台的退款系统来提升在线退款效率,解决电商多支付渠道的退款问题;构建了退款预测模型,从目前已有的退款数据中预测新交易是否退款,将预测结果作为决策依据,从而降低退款率为公司增加利润。退款系统使用SSI框架,采用受理与退款分离的异步化退款方式,采取基于JMQ消息和基于Quartz任务框架两种方式实现高效、异步化的退款,并增加重试和查询机制增加在线退款成功率。针对本课题的退款数据进行分析,退款预测模型的构建采用了结合Borderline-SMOTE算法来改善对不平衡数据集训练的随机森林的效果,以及采用特征变量分区间随机选择算法解决属性权重不均衡问题的随机森林算法。实验结果表明,该模型的预测准确率达91.6%,可以较为精确的将预测结果作为决策依据从而减少退款行为,降低退款率。