C2C网上拍卖已成为电子商务中最活跃的领域之一，以eBay为例，1999年网上拍卖市场份额每月增长12％， 2002年交易额达到$148.7亿，2003年商品数量已经超过1.2亿，商品种类超过1.8万。然而，自从C2C网上拍卖产生开始就始终无法摆脱欺诈的发生，NationalConsumer League 的报告指出eBay在2005年上半年大约有24,318起拍卖投诉，占交易量的81％。根据36,802份网上顾客的投诉，发现网上拍卖的欺诈行为在网上十大欺诈行为中排名第一，占所有网上欺诈行为的90％。为了减少或避免遭受欺诈，诸多学者开始网上信誉评价方面的研究，因此网上信誉评价成为国际性研究热点。 本文首先研究和比较了现有的信誉评价反馈系统, 并选择世界上最大的网上拍卖市场eBay 拍卖方的信誉反馈数据进行分析；通过分析发现该数据特征适合采用粗糙集算法进行数据挖掘，通过挖掘eBay 拍卖方信誉评价反馈中的数据，找出是哪部分反馈信息对eBay当前拍卖方的信誉有决定性影响；选用Rosetta 软件（实现粗糙集算法的软件工具）对eBay 拍卖方的数据进行数据预处理和属性约简，导出对eBay 当前拍卖方的信誉有决定性影响的信息规则。 论文详细阐述了选取和处理分析数据的过程及相应的算法，最终陈宏民通过实验各种约简算法找出合适的实验算法并导出有效的规则，再通过无序矩阵（confusion matrix）来验证所挖掘出规则的有效性。最后根据挖掘得到的规则，从已知信誉管理系统中的数据更科学、正确地判断出卖方的信誉高低；指出了现有eBay 拍卖方的信誉评价反馈系统为不同颜色的星星进行定义时，所作的分类使这些各颜色的星状符号不能正确反映信誉方面的信息，也就是说，买方不能根据它来判断拍卖方的信誉高低，因此根据挖掘所得出的规则给eBay 提出完善和改进其星状系统的建议。 最后，对全文工作进行了总结，找出本课题研究中存在的问题和对今后研究工作的展望；并希望本论文的研究结论能被将来国内的网上拍卖市场所借鉴和应用，从而降低国内网上拍卖购物的风险。