- HEARTS: 赞助搜索的稠密检索和非自回归生成的多任务融合
研究了 sponsored search 中解决匹配用户搜索查询和广告商提出的相关关键字的问题的两种方法，并提出了一种新的多任务融合框架 HEARTS，在 30 个以上国家的搜索查询上进行了广泛的实验，结果显示，HEARTS 比基准方法多检 - Uni-Retriever: 在 Bing 赞助搜索中学习统一嵌入式检索器
本文提出了一种新的框架 Uni-Retriever，通过知识蒸馏和对比学习的方式，联合进行高相关性和高 CTR 检索的多目标学习过程，以生成嵌入式向量进行嵌入式检索，该检索方式可以实现广告检索的两个目标。经多项测试验证，该方法显著提高了 B - 基于图意图网络的赞助搜索点击率预测
提出了一种基于图形意图网络 (Graph Intention Network, GIN) 的策略，以解决用户意图和行为稀疏问题。 GIN 方法是首先引入图形学习，通过图扩散和附加商品的共现关系来丰富用户行为以解决行为稀疏问题，并缓解了弱泛化 - KDDAiAds：面向赞助搜索的自动智能广告系统
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、 - KDD使用深度强化学习的赞助搜索组合关键词推荐
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。
- WWW领域约束的广告关键词生成
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 R - EENMF: 一种面向电子商务赞助搜索的端到端神经匹配框架
本研究提出了一种端到端的神经匹配框架 (EENMF)，用于模拟基于向量的广告检索和基于神经网络的广告预排名。在大规模赞助搜索中，所提出的方法显著优于基准测试。
- KDD动态分层经验贝叶斯：一个应用于在线广告的预测模型
利用数据驱动的动态分级经验贝叶斯模型实现稀疏的线上广告投放数据的关键词表现预测，比二者相比具有更高的准确性和效率，并提供了一个在实时环境中服务的两阶段系统。
- 深度强化学习在赞助搜索实时竞价中的应用
本文提出了一种基于强化学习的方法解决了在线广告拍卖中的实时竞标问题，特别是在搜索广告拍卖中针对多关键字的竞标策略提出了一个控制模型。
- 电商赞助搜索中的个性化广告检索框架：超越关键字和相关性
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。
- SIGIR可扩展的在赞助搜索广告中查询和广告的语义匹配
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 - 在线玄学最大化下的基合约束与学习分配应用
本文提出了一种能够动态地为信息源进行排序，同时又能保证重复信息的减少不会影响子模函数的最优化问题算法，并在真实的 Web 数据集中分别实验了广告分配和动态排名两个在线优化问题。
- IJCAI赞助搜索中的收入最大化博弈论机器学习方法
本文提出一种新颖的博弈论机器学习方法，该方法自然地合并机器学习和博弈论，通过双层优化框架学习拍卖机制以实现经验收入最大化。实验证明，该方法能够比几个基线方法产生更有效的拍卖机制。
- AAAI使用循环神经网络进行赞助搜索的顺序点击预测
通过引入循环神经网络 (RNN) 的回归结构，直接建模用户序列行为依赖，从而提高点击预测准确性。
- WWW广泛匹配广告拍卖中的竞标优化
通过广泛匹配和线性规划算法优化 <b> 赞助搜索广告拍卖 </b> 中的投标策略，以最大化广告主的收益并解决了在广泛匹配特性下投标策略优化的问题。
- 搜索广告的通用拍卖机制
该论文研究了在赞助搜索中，对于一定数量的广告位需要在竞争的广告商之间进行分配，提出了将拍卖机制与广告竞价相结合的策略，给出了一种基于线性效用的指派模型，在此基础上提出了 GSP 和 VCG 机制，并介绍了计算该模型中的拍卖结果的算法。
- 赞助搜索广告的算法方法
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 - 具有马尔可夫用户的赞助搜索拍卖
通过研究用户行为，提出一种基于马尔可夫模型的最高效广告分配算法，结合 VCG 机制实现真实拍卖，得到了和 GSP 相似的拍卖稳定性和直观性。
- Simrank++：通过点击图链接分析进行查询重写
以历史点击图为基础，研究问题是赞助搜索的查询重写。提供两种改进版本的 Simrank，以更好地识别查询相似性，并在 Yahoo！查询和实际点击图上使用各种指标进行实验评估。结果表明，增强的方法可以产生更多和更好的查询重写。