針對現(xiàn)有廣告短語相關(guān)性研究成果多采用字面匹配，忽略了短語所包含的深層語義信息，限制了任務(wù)的性能等問題，提出了采用深度學(xué)習(xí)算法研究廣告短語的相關(guān)性，采用遞歸自編碼器（ RAE）對短語進(jìn)行深層結(jié)構(gòu)分析，使得短語向量包含深層的語義信息，以此來構(gòu)建廣告語境下的短語相關(guān)性計算方法。具體地，給定一個包含若干詞的序列，序列中所有相鄰的兩個元素嘗試合并產(chǎn)生一個重構(gòu)誤差，遍歷將重構(gòu)誤差最小的元素兩兩合并，形成類似哈夫曼樹結(jié)構(gòu)的短語樹。采用梯度下降法最小化短語樹的重構(gòu)誤差，采用余弦距離度量短語之間的相關(guān)性。實(shí)驗結(jié)果顯示，通過引入詞語權(quán)重信息，加大了重要詞語在最終短語向量表示中貢獻(xiàn)的信息量，使得RAE更適合短語計算；比起傳統(tǒng)LDA和BM25算法，在50%召回率的條件下，提出的算法的準(zhǔn)確率分別提高了4.59個百分點(diǎn)和3.21個百分點(diǎn)，這證明了所提算法的有效性。