P2P网络借贷是我国金融业的新兴事物,在提高社会效益的同时,P2P网络借贷风险也日益凸显,尤其是因信用风险导致的违约事件频繁发生,不仅给借款人造成经济损失,而且也严重影响了 P2P网贷行业的健康发展以及金融行业的稳定性。因此,对网贷机构进行风险识别是十分必要的。为了解决P2P网贷平台能够获取到的数据量相对较少并且类别数据量严重倾斜的问题,引入强化学习模型。通过对现有多种强化学习的算法的研究与分析,本文选择一种可以解决P2P网络借贷机构风险识别的强化学习模型作为基线模型,该方法主要将风险识别任务看做文本分类任务。然而这种强化学习模型选择动作的过程以及奖励函数没有考虑全局信息,因此,本文提出了三种改进的强化学习模型,通过信息增益和注意力机制优化强化学习奖励函数以及强化学习选择动作的过程,其有效性得到实验验证。实验结果显示本文提出的三种改进的强化学习模型与基线模型相比,性能上有很大的提升。最后,本文根据软件工程流程实现了一个P2P网贷风险识别的实验系统。