在国家大力扶持电子商务产业的背景下，深入研究B2B电子商务企业的绩效评价问题，不仅有利于提高电子商务企业经营绩效的评价水平，而且对企业的经营管理者、风险投资者以及广大股东的决策具有重大指导意义。
　　本文在了解国内外企业绩效评价理论基础上，结合B2B电子商务上市公司的特点，建立了B2B电子商务上市公司绩效评价指标体系，用因子分析法对原始数据进行预处理，并选择BP神经网络作为本文的绩效评价方法。但BP神经网络在训练过程中可能陷入局部最优，为了弥补这种缺陷，本文引入全局搜索算法——遗传算法。在此基础上，建立了基于因子分析的GA-BP神经网络模型，并通过对比实验验证了该模型的优越性。最后，应用该模型对国内上市的B2B电子商务上市公司进行综合评价。本文的主要工作如下：
　　首先，本文研究了国内外关于企业绩效评价的文献，提出符合B2B电子商务上市公司的绩效评价指标体系，包含财务方面和非财务方面的指标。
　　其次，本文用因子分析法对原始数据进行降维处理，并将处理后的公共因子作为BP神经网络的输入层，达到简化网络结构，提高网络训练效率的目的；并用因子分析后的综合得分作为训练网络的目标输出值，以保证目标值的客观性，避免人为因素的影响。针对BP神经网络随机确定初始权值和阈值的缺点，利用遗传算法全局搜索功能来确定BP神经网络的最优权值和阈值，使网络所得的映射函数能够更加准确的反映出实际情况，在此基础上建立了基于因子分析的GA-BP神经网络评价模型。
　　再次，将基于因子分析的GA-BP神经网络模型与未用因子分析优化的GA-BP神经网络模型、未用GA优化的BP神经网络模型分别进行对比实验，验证了本文所选取的评价模型的优越性。
　　最后，根据本文建立的指标体系和构建的绩效评价模型对国内上市的B2B电子商务上市公司绩效进行综合评价，给相关管理层、投资者、筹资者以及社会公众提供参考。