随着物流行业的飞速发展,电子信息技术已经逐渐成为物流信息传输的重要媒介,物流信息平台在此背景下如雨后春笋般被建立起来。近些年,车货匹配管理问题在物流信息平台的理论研究和实践应用中取得了较大的突破,然而物流信息平台在管理司机和货物匹配准确性方面依旧面临着新司机冷启动和老司机货物评分稀疏两问题的困扰。针对物流信息平台中车货匹配管理系统面临的问题,本文主要研究工作总结如下:1)车货匹配管理系统新司机冷启动问题:提出了司机属性特征和货物属性特征交叉融合,利用基于随机游走算法训练热门榜单的新司机车货匹配管理模型。该方法利用司机和货物的属性特征,依据交叉组合的属性特征提取行为数据,训练得到热门榜单,并验证了该方法对新司机冷启动问题的改善起正向作用。2)车货匹配管理系统老司机货物评分稀疏性问题:提出了构建由司机属性特征、司机历史行为特征、司机实时行为特征、货物属性特征、货物历史行为特征和货物实时行为特征组成的特征工程。然后用排序算法训练出最优的老司机车货匹配管理模型,并验证了该方法能够显著提高匹配的准确率。3)依托A物流信息平台,设计和实现了包括数据模型、新司机车货匹配模型和老司机车货匹配模型的车货匹配管理系统,能够显著提高平台新司机的留存率和老司机货物匹配的准确率。