随着数据浪潮的到来，各行各业面临着数据爆炸式增长的机遇和挑战，物流行业也不例外。而物流信息化的一个重要研究方向就是从大量繁杂的数据中挖掘潜在的有意义的信息来提高物流效率，降低物流成本。本文针对上述问题，通过对物流信息系统中的非结构化短文本信息进行分析处理，抽取短文本信息中的关键属性。并在结构化物流信息基础上，设计广度优先搜索最优路径算法和基于动态规划思想的最优路径算法来实现物流信息推送服务。为解决问题规模增大时伴随的计算效率问题，研究基于CUDA架构实现的物流运力匹配并行算法，加速算法执行。主要研究内容包括以下几个方面：（1）本文研究了采用基于特征的分治启发式算法来处理物流信息系统中的非结构化短文本信息。通过对物流信息数据的分析研究，统计数据中的特征词，并根据特征词的上下文启发信息，设定物流数据文法规则，通过文法规则，将物流短文本数据进行分割，并从短文本信息中抽取给定属性及属性值。基于特征的分治启发式算法实现了物流非结构化短文本数据到结构化数据的转变，使物流信息系统中的数据统一化，标准化。（2）本文研究了两种物流运力匹配算法：基于广度优先搜索最优路径运力匹配算法和基于动态规划思想最优路径运力匹配算法。第一种方法根据结构化的物流数据，建立有向图模型，并在有向图模型上，使用广度优先搜索算法，辅以剪枝策略来计算最优线路；第二种方法为了针对第一种方法中当节点数增加时，计算规模快速增长问题，提出基于动态规划思想来求解最优路径的方法。该方法根据道路信息建立无向图模型，基于动态规划思想，通过选取节点计算最优费用来计算最优路径。文章通过研究的两种运力匹配算法来确定用户（给定属性值）的运力服务区域或者运力服务线路，再根据运力服务区域或者运力服务线路信息，从结构化处理的物流运力信息中检索符合用户特性的数据，实现物流运力信息匹配及推送服务。（3）本文研究了GPU通用计算技术和CUDA并行处理技术，并基于CUDA并行处理技术，设计并行计算算法，实现动态规划思想求最优路径运力匹配算法。通过基于CUDA实现的动态规划思想最优路径运力匹配算法，可以加速系统执行，提高物流运力信息推送服务的交互性。