在我国金融创新政策鼓励下,互联网金融发展迅猛,我国P2P网贷平台的规模与交易量都呈爆发式增长,这些P2P平台一定程度上缓解了小微企业融资难的现状,优化了社会资源配置。然而,在监管不完善约束较小的环境下滋生了很多问题,截止2019年10月份,问题及停业平台的数量高达6042家,占平台总数的91.3%,不仅给投资者带来了巨大的经济利益损失,也对整个行业造成了重大影响。利用有效信息披露平台风险成为重要议题。本文旨在利用平台的评论文本信息揭示其蕴含的风险,进而提供风险警示,减低平台的投资风险。本文的研究包括以下内容:首先,在我国P2P网贷平台风险理论与相关文献研究基础上,选取了56家正常平台和34家问题平台一共90家P2P网贷平台,运用网络爬虫技术爬取了90家平台的评论文本信息,建立了网贷行业评论文本的情感词典,运用SnowNLP训练情感词典,对评论文本信息进行情感分析,得出90个P2P平台评论的情感得分。其次,分别在加入评论情感分析和不加评论情感分析这一指标的情形下,使用python语言实现logistic回归模型,将样本分为70%的训练集和30%的测试集,然后对比模型在测试集上的准确率、召回率及F-Score;最后,根据logistic回归模型各变量的显著性分析结果确定对问题平台和正常平台有显著性影响的变量,从投资者利益考虑,提出有效识别P2P网贷平台风险因素的相应建议。结果表明,（1）评论文本信息能够区分正常与问题平台在影响因素上的差异性。使用基于情感词典的SnowNLP情感分析对每个平台的评论进行情感测度,情感得分较高的平台综合实力较强,而问题平台评论的情感得分较低且大多为负。（2）评论的文本信息可以提高预测的精度。加入评论文本信息的logistic回归模型预测的准确率、召回率及F-Score值都较高,模型效果较理想。根据分析结果,对P2P网贷平台、监管机构及投资人给出的相关建议分别是:建议P2P网贷平台完善P2P平台的在线评论系统;建议监管机构完善P2P网贷行业的准入和退出机制,建立严格系统的信息披露制度和权威的网贷信息公开披露的平台;建议投资者选择收益率比较合理和项目期限较长的平台,规避透明度较低且信息披露不全、无第三方资金存管的平台。