人们的生活与信用的关联随着社会的进步及互联网的发展日益密切。由于数据的分散、评估方法标准的不一,目前信用体系包括影响指标体系、评估模型等还需要改善提高。论文针对信用数据指标落后、数据分散不利于融合以及评估方法欠缺特殊情形考虑的问题,对信用体系进行总结补充,将框架方法应用于信用影响指标体系的表示,并提出基于框架方法的信用评估方案。信用影响指标随着时代的进步潜在地发生着变化,会出现更多的因素会对信用造成影响。论文从政府信用、企业信用、个人信用以及针对农户群体的农户信用这几个方面分析补充了信用体系的可能性指标,并运用框架方法对其进行表示。由于框架方法结构清晰、便于扩展等优势,使得表示出的信用体系便于理解,且使用JSON格式直接存储这样的指标结构在内容补充变化时不会带来数据重构产生的重复性工作。结合Logistic回归模型对于各指标权重的训练结果,运用框架方法解决问题的一般思路,改进了匹配推理的原始方法。运用相似度计算进行实例匹配,且用概率差替换属性差进行加权平均。由于将数据转化为概率,因此,在用Logistic回归建模时,将特征项数据转化为对应的概率,以实现数据的一致性。通过将该方案与DT、SVM进行实验比较,表明了该方案在信用评估方面的可行性,且在数据样本较少时,提高了评估的准确度,另外,由于该方案是在粗糙搜索后进行实例匹配,极大地减少了时间的消耗。