本书主要介绍了深度学习在互联网核心的三大类业务 (搜索、广告、推荐系统) 检索系统中的应用。书中详细讲述了检索匹配的理论、演进历史, 以及在业务中落地一个基于深度学习算法模型的全流程技能, 包括业务问题建模、样本准备、特征抽取、模型训练和预测等, 并提供了相应的代码。全书共11章, 分为四大部分。第1部分 (第1-2章) 介绍了深度学习的相关理论知识; 第2部分 (第3-6章) 介绍了业务中如何上线一个深度学习模型, 包括标签拼接、特征抽取、模型训练和预测等流程, 采用单机实现; 第3部分 (第7-9章) 介绍了检索算法基本理论以及演进历史, 并以业内应用较为广泛的双塔模型DSSM为例进行了详细理论解析和代码实现; 第4部分 (第10-11章) 介绍了如何将单机训练模式改造为分布式训练模式, 以加快模型的训练速度, 从而应对具有海量样本的业务场景。并列题名：Retrieval and matching eng