在用户消费升级的大背景下，文化娱乐已经成为人们生活中非常重要的一部分。视频作为文化娱乐的重要载体，如何做好用户和视频内容的高效连接，对于增加用户黏性，提升用户留存至关重要。搜索作为视频内容分发的核心场景入口，如何在搜索意图表达有限和视频结构化信息缺乏的情况下，实现搜索意图场景下的用户与内容的了解面临极大的挑战。

传统的匹配特征在搜索相关性中表达有限，基于深度语义的表达不仅能涵盖传统的匹配场景，更能从语义层面发掘用户搜索词的潜在表达，为用户提供更极致的体验。在视频网站同质化竞争的大背景下，个性化排序作为搜索核心的分发场景，如何在不同意图场景下，对用户兴趣进行有效的表达，对于提升用户观看时长和用户体验至关重要。

演讲提纲：

1. 深度语义和个性化排序面临的挑战
2. 不同意图场景的深度语义相关性实践
3. 搜索场景下用户兴趣的有效表达
4. 视频个性化搜索排序实践
5. TensorFlow在视频搜索中的使用

听众受益点：

• 了解内容分发场景下深度语义相关性和个性化表征学习排序应用
• 了解用户、搜索意图、视频内容的有效表征以及不同场景下的模型调参经验
• 了解TensorFlow在搜索各场景下的应用