本研究中提出了一个基于多级和闭合式计算框架的关键词优化 (MKOF) 模型，用于支持在整个搜索广告 KPI (关键绩效指标) 生命周期中的各种关键词决策，并在两个真实世界数据集上进行了实验验证，结果表明该模型可以在稳定的情况下接近最优解，以及优于在实践中常用的两个基本关键词策略。
Feb, 2022
本研究面对不完全的历史广告表现指数和无法准确预测的广告环境下，构建了数据分布预测模型和随机关键词定位模型，提出了一种新的基于分支定界算法的关键词定位策略，并在真实数据的基础上展示了其优异性能。
Oct, 2022
本文提出了一种基于随机规划模型的关键词分组方法，考虑了点击率和转化率等随机变量，同时纳入预算约束和风险承受能力，使用分支界定算法解决该模型，实验证明该方法在实际的搜索广告活动中表现出色，并揭示了有关关键词分组决策的重要洞察。
Mar, 2022
现代商业互联网搜索引擎通过拍卖方式在搜索结果旁边展示广告，这种发起出价的赞助搜索依靠市场机制，我们总结了当前拍卖系统的情况，描述了博弈论方面的基本原理，该博弈涉及到三方，分别是广告主、搜索引擎和搜索用户，介绍了强调每方角色的研究方向，并使用机制设计、优化和统计估计的技术来制定竞标和定价算法最后提出了赞助搜索广告中的一些挑战。
May, 2008
该论文探讨了使用生成神经网络以及强化学习算法来解决在线广告推荐中的关键字提取问题，提出的模型能够生成与输入相关、多样化的关键字，并且满足领域特定信息的限制条件，并通过离线和在线评估表明，所提出的模型能够显著提高广告投放的覆盖率、点击率和 RPM。
Feb, 2019
通过构建一个应用于电商赞助搜索的层次化网络框架，结合历史广告点击数据来进行信号、检索关键词和广告的关联，选择模型权重最佳的边缘来提高 RPM/CTR，从而达到多维度广告检索和推荐的目的。
Dec, 2017
本文探讨了利用一种改进的指针网络结构思想，通过采用深度强化学习来解决关键词推荐的组合优化问题，提出了一个预分簇方法 Equal Size K-Means 来加速训练和测试，该框架在离线和在线环境中均取得了显著的提高。
Jul, 2019
该研究提出了一种基于语义嵌入的高级匹配方法，通过利用用户搜索会话的语义嵌入来自动找到更多的相关查询以供广告商竞标，同时提出了解决冷启动问题的方法，该方法已在实际搜索流量中进行了测试并获得了显著的优化结果和增量收益，同时将学习到的查询嵌入开源供计算广告和相关领域的研究人员使用。
Jul, 2016
本文提出基于 EXP-SEA 的集体决策模型，支持对搜索引擎广告中集体行为的实验研究，发现社交媒体对搜索引擎广告产生影响，并探讨竞争程度和策略出价行为对市场绩效的影响。
本文介绍百度所开发的智能广告系统 - AiAds 系统的架构和模型技术，该系统利用机器学习技术，通过自动化竞标策略、智能定位和智能创意模型等将手动优化转换为多个自动化任务，并使用先进的方法进行优化。该系统可以显著提高广告主的广告 Kamp、用户体验和广告平台的收入，并提出了解决几个关键挑战的经验教训。