基于卷积语义模型的搜索广告系统研究与实现.pdf

摘要

互联网的高速发展改变着人们的生活方式，层出不穷的服务不仅方便了人们的生

活，也颠覆了原有产业。“互联网思维”这个名词也不断被人们提起。互联网产品和

服务获得了流量和数据，而如何将这些流量和数据变现是“互联网思维”的关键所在。

搜索广告，是在线广告中规模最大、增长最为迅速的广告形式。搜索引擎拥有大量的

用户数据和流量，因此互联网公司迫切地希望通过搜索行为的指导来将这些数据流量

转化为实际的商业利益。因此搜索广告的核心目标是根据用户的搜索词，来预测用户

的搜索目的并投放相关广告，保证广告主与广告系统的利益，并实现用户、广告主与

广告系统三方共赢，在搜索广告中，单纯考虑某一方的利益都是不可取的，搜索广告

的投放是三方博弈后的共赢。

本文首先对搜索广告及其相关特性进行了研究，然后针对搜索广告的独特性，对

搜索广告系统功能性需求与非功能性需求进行了深入的分析，并结合在线广告系统的

关键技术，对系统的整体架构以及各模块的功能进行了描述，最终设计并实现面向搜

索引擎的在线广告系统。此广告系统包含查询处理、广告检索、广告排序与广告管理

四个模块。广告主可以在广告管理模块中对创建并管理广告计划、上传广告素材、查

看广告投放数据统计等功能。系统在收到用户搜索请求后，会对查询进行标准化和改

写处理。广告检索模块会根据扩展后的关键词集合进行匹配，得到广告候选集。广告

排序模块根据每千次展示点击率来进行排序，将排名靠前的广告返回给搜索引擎。

本文针对搜索广告检索中语义匹配的问题，对比了三种语义匹配模型效果并选择

了基于卷积语义匹配模型用于本在线广告系统。该模型先分别将查询词和广告标题利

用word2vec算法进行向量化，得到查询和广告标题的向量化表示，针对广告标题用

卷积神经网络把标题表达为低维语义向量，利用深度神经网络将查询表达为低维语义

向量并通过余弦距离来计算两个语义向量的距离，用点击数据做有监督训练，最终训

练出语义相似度模型。该模型既可以用来预测两个句子的语义相似度，又可以获得某

句子的低纬语义向量表达。

关键词：在线广告系统；搜索广告；语义相似度；词向量

Abstract

TherapiddevelopmentoftheInternethaschangedpeopleswayoflife.Theendless

streamofservicesnotonlyfacilitatespeopleslives,butalsosubvertstheoriginalindustry.

Theterminternetthinkinghasalsobeenrepeatedlymentioned.Internetproductsand

servicesreceivetrafficanddata,andhowtomonetizethesetrafficanddataisthekeyto

internetthinking.Searchadvertisingisthelargestandfastestgrowingformofadvertising

inonlineadvertising.Searchengineshavealargeamountofuserdataandtraffic,soInternet

companiesareeagertotranslatethesedatatrafficintoactualbusinessbenefitsthroughthe

guidanceofsearchbehavior.Therefore,thecoregoalofsearchadvertisingistopredictthe

userssearchpurposeanddeliverrelevantadvertisementsbasedontheuserssearchterms,

toensuretheinterestsoftheadvertiserandtheadvertisingsystem,andtoachieveawin-win

situationamong