邱蓉蓉

(湄洲灣職業(yè)技術(shù)學(xué)院 圖書館，福建 莆田 351100)

快遞物流業(yè)在如今的信息化生活中已成為不可或缺的一部分，特別是近年來(lái)，物流配送的需求伴隨著近年來(lái)電子商務(wù)的猛然發(fā)展也在急劇的增加，使得快遞物流業(yè)也迎來(lái)了發(fā)展的黃金期[1]。然而，縱觀快遞物流業(yè)現(xiàn)在的發(fā)展和時(shí)代的發(fā)展落差還很大，無(wú)論是國(guó)內(nèi)自身在快遞物流業(yè)的發(fā)展瓶頸，還是與國(guó)際物流相比在技術(shù)水平上的缺陷，都在呼吁著國(guó)內(nèi)快遞物流企業(yè)在技術(shù)創(chuàng)新方面需要未雨綢繆，提升在快遞物流業(yè)中的競(jìng)爭(zhēng)力，進(jìn)而驅(qū)動(dòng)整個(gè)行業(yè)的創(chuàng)新發(fā)展。從企業(yè)的角度來(lái)看，我國(guó)的快遞物流企業(yè)仍然缺乏技術(shù)創(chuàng)新，亟須提高自身的技術(shù)水平，加強(qiáng)自身的技術(shù)研發(fā)能力，才能使自己在如今激烈的競(jìng)爭(zhēng)中脫穎而出。

1 專利文本的主題提取

1.1 專利數(shù)據(jù)來(lái)源

目前，中國(guó)快遞物流企業(yè)以民營(yíng)快遞企業(yè)的發(fā)展最為迅速。民營(yíng)快遞企業(yè)在整個(gè)快遞物流行業(yè)中占據(jù)非常重要的位置，從民營(yíng)快遞企業(yè)中確定快遞物流的龍頭企業(yè)，相對(duì)合理。由于筆者是基于專利分析的研究。因此，將從常見的、公認(rèn)的各民營(yíng)快遞物流企業(yè)中，對(duì)它們申請(qǐng)的專利數(shù)量進(jìn)行對(duì)比分析，從而選取出最能夠代表快遞物流行業(yè)中的領(lǐng)軍企業(yè)。

筆者基于廣東省專利大數(shù)據(jù)應(yīng)用服務(wù)系統(tǒng)，對(duì)各個(gè)快遞物流企業(yè)的專利申請(qǐng)量進(jìn)行檢索，檢索時(shí)間截至2018年11月。專利申請(qǐng)量排名如表1所示，表中列出部分企業(yè)。

雖然京東物流集團(tuán)是順豐控股股份有限公司專利申請(qǐng)量的3倍多，但京東本身是電子商務(wù)平臺(tái)，其申請(qǐng)的專利并非都是物流領(lǐng)域方面的專利，與文中研究的物流領(lǐng)域不符，因此排除。由表可知，順豐的專利申請(qǐng)量以高達(dá)1 122的專利居首位，而其余9家快遞物流企業(yè)的專利申請(qǐng)量很少，甚至有7家快遞物流企業(yè)沒有任何的專利申請(qǐng)。

表1 快遞物流企業(yè)專利申請(qǐng)量排名

經(jīng)初步分析，在2009年-2010年之間，順豐才開始申請(qǐng)專利，起初專利申請(qǐng)數(shù)量都較少，從2011年才開始增多，此后更是出現(xiàn)爆發(fā)式增長(zhǎng)，在技術(shù)創(chuàng)新和專利發(fā)明方面進(jìn)行廣泛布局。然而，國(guó)內(nèi)其他快遞物流企業(yè)的專利情況令人擔(dān)憂，順豐速運(yùn)申請(qǐng)的專利數(shù)量在快遞物流行業(yè)內(nèi)遙遙領(lǐng)先，以大比分專利數(shù)甩開其他同行。因此，文章以順豐速運(yùn)有限公司作為快遞物流企業(yè)的龍頭企業(yè)，對(duì)其申請(qǐng)的專利文獻(xiàn)進(jìn)行分析具有一定的研究意義。

1.2 專利檢索及處理

以廣東省專利大數(shù)據(jù)應(yīng)用服務(wù)系統(tǒng)作為專利信息數(shù)據(jù)來(lái)源。在此平臺(tái)上對(duì)順豐速運(yùn)申請(qǐng)的相關(guān)專利進(jìn)行檢索和分析。檢索策略如表2所示。

表2 專利檢索方案

檢索結(jié)果共有1 122條專利數(shù)據(jù)，經(jīng)過(guò)刪除重復(fù)的專利數(shù)據(jù)共得到順豐速運(yùn)的694條專利數(shù)據(jù)。將順豐相關(guān)專利數(shù)量制作出歷年變化趨勢(shì)圖，如圖1所示。由于在審查專利的過(guò)程中需要一些時(shí)間，在提交申請(qǐng)之后到與專利公開會(huì)延遲一年半左右，造成2018年的專利沒有全部檢索出，因此，這一年專利的申請(qǐng)量相比于2017年會(huì)有一定的偏差，而呈現(xiàn)出下降的趨勢(shì)。

圖1 順豐速運(yùn)專利數(shù)量歷年變化趨勢(shì)

1.3 專利文本主題提取

對(duì)于專利文本的技術(shù)關(guān)鍵詞提取范圍設(shè)定為：標(biāo)題，摘要和權(quán)利要求。通過(guò)構(gòu)建的自定義文本詞典(見表3)和停用詞表(見表4)，刪除與物流技術(shù)沒有實(shí)際意義和代表性的詞，或者是不能反映專利信息內(nèi)涵的詞，將關(guān)鍵名詞、動(dòng)詞等重點(diǎn)保留下來(lái)。

表3 自定義文本詞典(部分)

表4 停用詞(部分)

文本經(jīng)過(guò)分詞處理之后，為確定提取的最佳主題數(shù)目，利用Python計(jì)算困惑度。計(jì)算的結(jié)果以可視化圖的方式呈現(xiàn)，其中橫軸代表主題數(shù)目，縱軸代表困惑度的值。由圖2可知，困惑度的值隨著主題數(shù)目的增多逐步遞減，而圖中的轉(zhuǎn)折點(diǎn)，在整個(gè)文本集合上的困惑度值較小，并且當(dāng)主題數(shù)目繼續(xù)增加時(shí)，困惑度的值也不會(huì)下降很多，不會(huì)有較大幅度的變化，此時(shí)的困惑度值可視為最低，其對(duì)應(yīng)的主題數(shù)目即為最佳的提取主題數(shù)目。因此，根據(jù)圖中的轉(zhuǎn)折點(diǎn)，將所要提取的主題數(shù)目設(shè)置為15個(gè)[2]。

圖2 最佳主題數(shù)的確定

最后，通過(guò)LDA模型對(duì)所有已有的所有專利分詞進(jìn)行主題的提取，提取的15個(gè)主題結(jié)果如表5所示。

表5 提取的主題

1.4 專利技術(shù)主題歸類分析

對(duì)提取出來(lái)的15個(gè)主題，經(jīng)分析可以將這15個(gè)主題歸為4個(gè)不同的快遞物流技術(shù)領(lǐng)域，并整理出與之相關(guān)的專利數(shù)量，如表6所示。

表6 技術(shù)領(lǐng)域歸類

下面對(duì)以上劃分的4個(gè)技術(shù)領(lǐng)域進(jìn)行詳細(xì)介紹，并繪制出各個(gè)技術(shù)領(lǐng)域的專利申請(qǐng)量歷年變化趨勢(shì)圖(見圖3-圖6)，從而分析每個(gè)技術(shù)領(lǐng)域逐年的專利申請(qǐng)情況。

1.4.1 分揀運(yùn)輸技術(shù)領(lǐng)域

這一類的專利申請(qǐng)量在4個(gè)聚類中居首位，主要是關(guān)于分揀車、分揀柜等分揀設(shè)備、自動(dòng)分揀系統(tǒng)、物流貨物輸送設(shè)備、運(yùn)輸過(guò)程中的裝卸搬運(yùn)設(shè)備等方面的專利申請(qǐng)。其中尤以分揀技術(shù)領(lǐng)域的專利申請(qǐng)量最為顯著，以“分揀”作為關(guān)鍵詞共檢索出118條專利量。

圖3 分揀運(yùn)輸技術(shù)領(lǐng)域?qū)＠暾?qǐng)量歷年變化趨勢(shì)

由圖3可知，順豐在分揀運(yùn)輸技術(shù)領(lǐng)域的申請(qǐng)量逐年上升，雖然在2003年達(dá)到高峰值后有所下降，但在后幾年又重新回升，且專利數(shù)量急劇增長(zhǎng)，表明順豐從2015年開始對(duì)分揀運(yùn)輸技術(shù)領(lǐng)域的關(guān)注度高漲。

1.4.2 智能物流技術(shù)領(lǐng)域

這類主要是有關(guān)于無(wú)人機(jī)、機(jī)器人、無(wú)人機(jī)智能吊艙、智能快遞柜、智能電池等方面的專利申請(qǐng)。其中尤其以無(wú)人機(jī)技術(shù)領(lǐng)域的專利申請(qǐng)量最為顯著，以無(wú)人機(jī)為關(guān)鍵詞共檢索出82條專利量。順豐是國(guó)內(nèi)首推用無(wú)人機(jī)送快遞的物流企業(yè)，其致力于在航空裝備的無(wú)人化、小型化和智能化，著手開始研發(fā)和設(shè)計(jì)用于物流運(yùn)送的無(wú)人機(jī)，實(shí)現(xiàn)了國(guó)內(nèi)貨運(yùn)無(wú)人機(jī)發(fā)展史上的多項(xiàng)突破。

圖4 智能物流技術(shù)領(lǐng)域?qū)＠暾?qǐng)量歷年變化趨勢(shì)

由圖4可知，順豐在智能物流技術(shù)領(lǐng)域的專利申請(qǐng)量的增長(zhǎng)較不穩(wěn)定，其中在2009年、2011年、2012年和2013年的專利申請(qǐng)量均只有一項(xiàng)，發(fā)展極為緩慢，直到2014年才開始迅速增長(zhǎng)，而在2016年又有所下降。

1.4.3 物流信息化技術(shù)領(lǐng)域

這類主要是有關(guān)于快遞收寄件管理、運(yùn)單管理、庫(kù)存管理、車輛調(diào)度管理以及員工考勤管理等系統(tǒng)設(shè)計(jì)方面的專利申請(qǐng)。近幾年，順豐積極的研發(fā)和引進(jìn)先進(jìn)的信息技術(shù)和設(shè)備設(shè)施，建立了行業(yè)先進(jìn)水平的信息系統(tǒng)，實(shí)現(xiàn)了資源的調(diào)度以及全程監(jiān)控、跟蹤快件流轉(zhuǎn)的信息。

圖5 物流管理系統(tǒng)技術(shù)領(lǐng)域?qū)＠暾?qǐng)量歷年變化趨勢(shì)

由圖5可知，順豐在物流管理系統(tǒng)技術(shù)領(lǐng)域的專利申請(qǐng)量增長(zhǎng)在整體上呈逐步增長(zhǎng)的趨勢(shì)，但是在2009年-2012年有關(guān)于該技術(shù)領(lǐng)域的專利申請(qǐng)量均為0，表明這兩年順豐可能沒有在物流管理系統(tǒng)領(lǐng)域方面的技術(shù)研究或者正處于研究中。

1.4.4 倉(cāng)儲(chǔ)包裝技術(shù)領(lǐng)域

這類主要是有關(guān)于物流貨物的包裝設(shè)計(jì)、保溫箱及其他貨物存儲(chǔ)方式等方面的專利申請(qǐng)。在智慧物流的大趨勢(shì)下，綠色包裝的研發(fā)和應(yīng)用已成為電商、物流的聚焦關(guān)注點(diǎn)。順豐旗下的包裝實(shí)驗(yàn)室SPS中心定期為醫(yī)藥、鮮花、副食、冰鮮、3C、果蔬、生鮮等領(lǐng)域提供通用型的和定制化的包裝解決方案服務(wù)，最大限度地推動(dòng)用戶體驗(yàn)和服務(wù)品質(zhì)的改善。

圖6 倉(cāng)儲(chǔ)包裝技術(shù)領(lǐng)域?qū)＠暾?qǐng)量歷年變化趨勢(shì)

由圖6可知，順豐在包裝存儲(chǔ)技術(shù)領(lǐng)域的專利申請(qǐng)量的發(fā)展趨勢(shì)波動(dòng)較大，在2012年和2013年各達(dá)到一次高峰期，在2009年-2015年間的發(fā)展趨勢(shì)較為緩慢，到2016年開始明顯增長(zhǎng)。

2 網(wǎng)絡(luò)文本的數(shù)據(jù)處理

2.1 網(wǎng)絡(luò)數(shù)據(jù)的來(lái)源

筆者選取深圳市萬(wàn)聯(lián)億通科技有限公司建設(shè)運(yùn)營(yíng)的萬(wàn)聯(lián)網(wǎng)中所有物流方面的專家觀點(diǎn)作為網(wǎng)絡(luò)數(shù)據(jù)的來(lái)源，以便支持文章對(duì)快遞物流領(lǐng)域的趨勢(shì)發(fā)展研究。

2.2 爬取工具及數(shù)據(jù)處理

以“物流”作為檢索的關(guān)鍵詞，利用八爪魚進(jìn)行萬(wàn)聯(lián)網(wǎng)所有相關(guān)數(shù)據(jù)的采集，可采集到的數(shù)量共4 394條。

表7 網(wǎng)絡(luò)數(shù)據(jù)采集方案

將所有爬取到的數(shù)據(jù)進(jìn)行篩選，排除與快遞物流領(lǐng)域不相關(guān)和重復(fù)的文本，最終可得到有效數(shù)據(jù)共4 114條。經(jīng)過(guò)對(duì)有效文本的初步整理分析，可以發(fā)現(xiàn)網(wǎng)絡(luò)文本發(fā)布的時(shí)間段在2002年-2018年之間。

2.3 網(wǎng)絡(luò)文本的分詞處理

首先對(duì)網(wǎng)絡(luò)數(shù)據(jù)逐行進(jìn)行分詞處理。在處理的過(guò)程中，同樣運(yùn)用構(gòu)建的自定義文本詞典(見表8)和停用詞表(見表9)進(jìn)行保留和過(guò)濾關(guān)鍵詞。因?yàn)榫W(wǎng)絡(luò)上的文本與專利文本的內(nèi)容不同，所以，停用詞表和自定義詞表也必然會(huì)有所區(qū)別。將網(wǎng)絡(luò)采集的文本經(jīng)過(guò)分詞處理后，接下來(lái)就可以開始相似度計(jì)算。

表8 自定義文本詞典(部分)

表9 停用詞(部分)

2.4 專利主題與網(wǎng)絡(luò)文本的相似度計(jì)算

2.4.1 詞向量的訓(xùn)練

筆者對(duì)詞向量的訓(xùn)練方法是采用Genism中的Word2vec訓(xùn)練工具包，這類基于分布式表示的訓(xùn)練模型，能夠從大規(guī)模的、沒有明顯標(biāo)記的語(yǔ)料之中自動(dòng)學(xué)習(xí)到句法和語(yǔ)義方面的信息，并將其進(jìn)行編碼表示[16]。在Word2vec訓(xùn)練詞向量的過(guò)程中，需要手動(dòng)設(shè)置包括窗口大小Window、Min-count數(shù)目和詞向量維度Size在內(nèi)的3個(gè)重要參數(shù)。Window指的是上下文窗口；Min-count指的是最小詞頻訓(xùn)練閾值；Size會(huì)影響到計(jì)算，增加詞向量的維度能夠增加詞向量效果，維數(shù)越大，訓(xùn)練效果越好。文章將Window設(shè)值為5，Min-count的閾值設(shè)值為5，詞向量的維度則設(shè)值為300。

由于在同一領(lǐng)域語(yǔ)料下，增加不相關(guān)領(lǐng)域語(yǔ)料將會(huì)降低詞向量效果，因此，筆者將從萬(wàn)聯(lián)網(wǎng)爬取的，約5萬(wàn)多篇有關(guān)物流領(lǐng)域的網(wǎng)絡(luò)文本作為語(yǔ)料庫(kù)進(jìn)行詞向量的訓(xùn)練，訓(xùn)練結(jié)束就可以直接通過(guò)計(jì)算兩個(gè)向量之間的相似度來(lái)考察這兩個(gè)詞的相似結(jié)果。一般來(lái)說(shuō)，訓(xùn)練的語(yǔ)料越多越好，為證實(shí)文章訓(xùn)練模型結(jié)果的有效性，選擇以“智能”和“包裝”一詞為例，獲得該詞訓(xùn)練得到的詞向量，并計(jì)算與“智能”“包裝”最相近的詞，進(jìn)行排序[17]。由圖7-圖8可知，與“智能”相似的詞語(yǔ)主要包括有：分單、硬件、快遞柜、大腦、算法和機(jī)器人等，這些詞在日常生活中常與智能一起出現(xiàn)。由圖9-10可知，與“包裝”相似的詞語(yǔ)主要包括有：包裝材料、回收、生物降解、循環(huán)和環(huán)保等與包裝聯(lián)系密切的詞。可見，訓(xùn)練效果相對(duì)較好。

圖7 “智能”詞向量

圖9 “包裝”詞向量

2.4.2 相似度計(jì)算及結(jié)果分析

在得到詞向量模型后，利用WMD算法計(jì)算與專利文本的4個(gè)主題相似的網(wǎng)絡(luò)文本。在計(jì)算相似度的過(guò)程中，為輸出結(jié)果的易理解和有序性，筆者設(shè)置了以下參數(shù)，分別是①ID：代表的是所有網(wǎng)絡(luò)文本的序號(hào)，將所有的網(wǎng)絡(luò)文本添加索引，依次進(jìn)行編號(hào)，以便在后續(xù)分析的過(guò)程中找出相對(duì)應(yīng)的文本；②Instance：代表的是相似度，即各個(gè)主題遍歷網(wǎng)絡(luò)文本的語(yǔ)料庫(kù)，逐行計(jì)算它們之間的相似距離。相似度越高，則兩個(gè)文本之間越相似，因此筆者將Instance>0.8的文本認(rèn)為是最相似的，但也不排除低于0.8的文本相似性；③Text：代表的是與專利主題相似的網(wǎng)絡(luò)文本，但是由于計(jì)算相似度的語(yǔ)料庫(kù)里是已經(jīng)分詞的文本，所以，結(jié)果輸出的Text并不是全文，而是分詞，需要人工尋找對(duì)應(yīng)的原文。筆者將專利文本每一個(gè)主題對(duì)應(yīng)的相似文本按照相似度的高低進(jìn)行排序，選取排名靠前的網(wǎng)絡(luò)文本進(jìn)行進(jìn)一步的分析，驗(yàn)證文本相似性[18]。以專利文本的各個(gè)主題為輸入文本，輸出與該主題相似的所有網(wǎng)絡(luò)文本，將相似度大于0.8文本進(jìn)行統(tǒng)計(jì)分析，其中為了方便，Text僅列出了由人工按照ID編號(hào)找出的對(duì)應(yīng)原文標(biāo)題。

2.4.2.1 智能物流主題。與智能物流主題相似度大于0.8的網(wǎng)絡(luò)文本共有17篇，選取相似度top1的文本進(jìn)行分析，結(jié)果分析：{“ID”: 182，“Instance”: 0.9280305，“Text”: 從“汗水物流”到進(jìn)行“智慧物流”，物流企業(yè)如何遠(yuǎn)走高飛？}本篇主要講的是物流硬件設(shè)備在配送、運(yùn)輸、倉(cāng)儲(chǔ)等領(lǐng)域已經(jīng)處于智能化進(jìn)程中，筆者介紹了現(xiàn)如今已經(jīng)使用和將會(huì)使用的智能硬件設(shè)備，并詳解了這些智能設(shè)備的應(yīng)用現(xiàn)狀和發(fā)展前景，包括智能倉(cāng)儲(chǔ)機(jī)器人、無(wú)人叉車、外骨骼機(jī)器人、無(wú)人卡車和智能快遞柜等。

2.4.2.2 分揀運(yùn)輸主題。與分揀運(yùn)輸主題相似度大于0.8的網(wǎng)絡(luò)文本只有1篇，結(jié)果分析：{“ID”:998，“Instance”: 0.9066993，“Text”: 提高倉(cāng)儲(chǔ)揀選效率的10種策略}本篇主要講的是提出10種揀選技術(shù)和策略以解決目前物流配送難以解決的問題。在分揀運(yùn)輸方面的策略包括結(jié)合智能化存儲(chǔ)系統(tǒng)，再采用紙箱流利式貨架或使用激光導(dǎo)引車、起升機(jī)、叉車、托盤車和揀選車等設(shè)備提高效率；利用智能輸送分揀系統(tǒng)自動(dòng)進(jìn)行分揀；采用電子標(biāo)簽揀選、多種掃描、語(yǔ)音技術(shù)等進(jìn)一步提升揀選工位效率等。

2.4.2.3 物流信息化主題。與物流信息化主題相似度大于0.8的網(wǎng)絡(luò)文本也是共17篇，選取相似度top1的文本進(jìn)行分析，結(jié)果分析：{“ID”:998，“Instance”:0.8793183，“Text”:提高倉(cāng)儲(chǔ)揀選效率的10種策略}本篇主要講的是提出10種揀選技術(shù)和策略以解決目前物流配送難以解決的問題。在物流信息化方面的策略包括利用物流信息的強(qiáng)化管理來(lái)完善訂單與倉(cāng)庫(kù)的管理和控制，如倉(cāng)庫(kù)管理系統(tǒng)和倉(cāng)庫(kù)控制系統(tǒng)；同時(shí)，采用揀選區(qū)位控制輸送系統(tǒng)與智能化物料流控制提高揀選效率。

2.4.2.4 倉(cāng)儲(chǔ)包裝主題。與倉(cāng)儲(chǔ)包裝主題相似度大于0.8的網(wǎng)絡(luò)文本只有3篇，選取相似度top1的文本進(jìn)行分析，結(jié)果分析：{“ID”:998，“Instance”:0.8633111，“Text”:提高倉(cāng)儲(chǔ)揀選效率的10種策略}本篇主要講的是提出10種揀選技術(shù)和策略以解決目前物流配送難以解決的問題。在倉(cāng)儲(chǔ)包裝主題方面的策略包括使用特定的管理軟件用以完善訂單與倉(cāng)庫(kù)管理，包括物料流控制、庫(kù)存管理與設(shè)備控制等；傳統(tǒng)貨架存儲(chǔ)庫(kù)內(nèi)的手工作業(yè)效率低下、錯(cuò)誤率高，文中提出可以通過(guò)增設(shè)能激活數(shù)據(jù)交互的設(shè)備來(lái)解決，實(shí)現(xiàn)動(dòng)態(tài)、及時(shí)地將指令發(fā)送至貨品生產(chǎn)車間，從而提高準(zhǔn)確率、吞吐量和生產(chǎn)率。

3 總結(jié)與討論

筆者主要研究了如何在專利文本和網(wǎng)絡(luò)文本的基礎(chǔ)上運(yùn)用LDA主題模型和WMD相似度計(jì)算法，實(shí)現(xiàn)對(duì)快遞物流業(yè)的研發(fā)熱點(diǎn)和發(fā)展趨勢(shì)的分析。得出的結(jié)論有：①在智能物流技術(shù)領(lǐng)域方面，根據(jù)專利申請(qǐng)數(shù)量和專家的關(guān)注度，可以發(fā)現(xiàn)無(wú)人機(jī)、機(jī)器人、智能快遞柜等智能化物流設(shè)備的研發(fā)是最受歡迎、最熱門的領(lǐng)域，其研發(fā)階段已經(jīng)步入高峰期，各個(gè)快遞物流企業(yè)高度重視快遞物流業(yè)新的變革模式；②在物流信息化技術(shù)領(lǐng)域方面，目前在分揀、運(yùn)輸、配送等物流各個(gè)環(huán)節(jié)已經(jīng)逐步開始實(shí)現(xiàn)信息化，如庫(kù)存管理系統(tǒng)、客戶訂單管理系統(tǒng)、自動(dòng)分揀系統(tǒng)等都成功地啟動(dòng)應(yīng)用；③在分揀運(yùn)輸技術(shù)領(lǐng)域方面，其主要關(guān)注熱點(diǎn)是如何實(shí)現(xiàn)貨物分揀、運(yùn)輸?shù)冗^(guò)程的智能化、自動(dòng)化和信息化，雖然目前已經(jīng)實(shí)現(xiàn)了全自動(dòng)分揀系統(tǒng)的推進(jìn)，但是在分揀車、分揀機(jī)器人等分揀設(shè)備方面的研發(fā)仍然不足，需要繼續(xù)在這方面尋找突破；④在倉(cāng)儲(chǔ)包裝技術(shù)領(lǐng)域方面，其關(guān)注熱點(diǎn)是向綠色化發(fā)展，提高快遞包裝的循環(huán)利用率，減少浪費(fèi)；根據(jù)不同貨物的大小、需要冷藏、保溫等特性設(shè)計(jì)出與之相適應(yīng)的包裝盒、包裝袋等；同時(shí)，要合理利用倉(cāng)庫(kù)空間，設(shè)計(jì)更適合的庫(kù)存模型和倉(cāng)庫(kù)管理系統(tǒng)實(shí)現(xiàn)庫(kù)存的集中管理。

同時(shí)，也存在一定的局限性，包括以下幾個(gè)方面：①技術(shù)領(lǐng)域劃分的問題。由于物流的分揀、配送、無(wú)人機(jī)、智能等各個(gè)領(lǐng)域相互滲透，在分揀運(yùn)輸領(lǐng)域也會(huì)融入智能物流領(lǐng)域的技術(shù)，因此，基于各個(gè)技術(shù)領(lǐng)域關(guān)鍵詞的專利檢索會(huì)存在與其他技術(shù)領(lǐng)域重合的專利文獻(xiàn)，造成4個(gè)技術(shù)領(lǐng)域的專利數(shù)量總和會(huì)超過(guò)順豐速運(yùn)有效的專利數(shù)量，但整體上并不影響對(duì)各個(gè)技術(shù)領(lǐng)域的分析。②輸出文本的效果偏差。由于專利文本是與技術(shù)直接相關(guān)的文本，因此，主題提取的關(guān)鍵詞大部分是與物流領(lǐng)域的技術(shù)專業(yè)用語(yǔ)，而網(wǎng)絡(luò)文本偏向日常用語(yǔ)，對(duì)計(jì)算相關(guān)度的結(jié)果有一定的影響，造成輸出效果與預(yù)期的有一定的偏差。因此，還需要進(jìn)一步優(yōu)化模型和算法，但文中計(jì)算輸出的網(wǎng)絡(luò)文本仍然有較高的相似性。