新冠肺炎疫情下基于LDA及FastText的物流主题演化及匹配研究

作者:邵世瑾
更新时间:
关键字:

物流业作为我国国民经济发展的重要组成部分,对促进经济增长发挥了重要作用。新型冠状病毒肺炎疫情是突发公共卫生事件近年来防控难度最大的地区。物流企业作为交通运输的支持者,在应急管理活动中发挥着重要作用。然而,物流企业在2019冠状病毒疾病期间面临着前所未有的挑战。国家先后出台了相关的后勤保障政策,在一定程度上缓解了疫情期间对物流业的影响。然而,由于疫情的突发性和严重性,政府可能无法及时探索企业的需求,导致物流政策与企业需求的匹配率低,政策执行效果差。基于上述背景,本文开展了新冠肺炎疫情下物流政策与企业需求匹配的研究:(1)基于LDA主题模型,分阶段探讨疫情期间物流政策主题的演变趋势。首先,收集疫情期间各个阶段的物流政策文本作为训练数据,训练LDA的主题模型。然后,将疫情期间的政策文本分为几个阶段,将划分后的物流政策文本输入经过训练的LDA模型,得到每个阶段的文件主题分布和主题词分布阶段,探索疫情期间物流政策主题随时间的演变趋势(2)基于LDA、Fast和Text,分阶段对疫情期间物流政策与企业需求之间的匹配进行了研究。首先,从经过训练的LDA模型中获取物流政策文本的主题分布,选择概率最大的一个作为文档的核心主题,并将分配给每个政策文本的核心主题作为文本标签。然后,将标记的物流政策文本作为训练集,训练Fast-Text神经网络文本分类模型,解决了长政策文本匹配的困难。最后,使用经过培训的Fast-Text模型探索企业文本的核心主题。研究发现,在疫情的各个阶段,后勤保障政策的主题分布呈现出一定程度的差异,在政务畅通、税费减免和交通安全方面的匹配度较差。通过LDA与Fast、Text相结合的创新研究方法,可以准确、客观地判断疫情期间中国物流保障政策与企业需求的匹配情况,为疫情期间中国物流政策的科学制定提供合理的政策建议,从而推动建立科学、合理、有序的物流政策体系。