本次讲座将介绍滴滴搜索的技术框架和用深度学习技术升级滴滴搜索引擎的演进过程。我们对搜索引擎的全流程模块都进行了深度学习技术升级，包括查询词改写、检索召回和排序。在这个技术演进的过程中我们突破了许多工程落地的困难，同时我们结合出行场景特性对这些模块进行了效果优化，相信其中的难点突破、创新设计对大家会有帮助。

1. 搜索概述

（1）不同搜索业务的目标和实现差异

（2）滴滴搜索引擎架构

2. 如何用机器学习实现查询词改写

（1）基于HMM模型的查询词改写

（2）基于BiRNN+Attention的查询词改写

（3）改善深度模型在线预测性能的方法

3. 如何用深度学习实现相关性模型

（1）相关性模型的挑战

（2）深度表示学习模型

（3）深度匹配学习模型

（4）结合地理的深度相关性模型（滴滴AAAI paper）

4. 检索召回排序的技术演进

（1）深度语义匹配召回方法与实现

（2）深度排序模型的实现

听众收益：

1. 了解深度学习在搜索领域的应用

2. 了解相关性模型的近几年进展

3. 了解深度学习在工业界落地的挑战和解决方案

听懂我的演讲，需要具备这些知识储备：自然语言处理、深度学习、搜索框架