搜索广告是一种涉及多项复杂技术的商业形态，为众多互联网业务提供着经济支撑，新技术的应用可以使广告出的更准、更漂亮，带来更好的用户体验和经济效益。作为目前业界最流行的新技术，深度学习已经在语音、图像、NLP 等领域获得广泛应用并取得突破。我们从 2015 年开始尝试将该项新技术应用于搜狗广告的线上业务，在 CTR 预估、广告物料生成和广告相关性上均取得了较好成效。

本次演讲将以搜狗无线搜索广告为例，分享搜索广告系统的整体架构和目前深度学习的相关应用，并重点关注其中的 CTR 预估模块。介绍 CTR 预估的作用、重要性和常用方法，以及将 DNN 应用于线上 CTR 预估的方法，包括模型融合框架、并行化训练等。介绍模型评价的一些基本方式和新模型的效果及存在的问题，并给出进一步的可能解决方案和我们目前的进展。

听众受益

1. 了解搜狗搜索广告的一般架构和深度学习在其中的应用场景；
2. 了解广告 CTR 预估的一般流程和常用模型，以及模型的通用评价方法；
3. 了解 DNN 在 CTR 预估中的一种可行应用方式，以及目前的实际效果和存在的问题，并给出进一步的可能解决方案和我们的进展。