DSSM模型采用BOW方式表示Query和Title，通过含有多个隐层的DNN将其表达为低维语义向量。匹配层通过余弦距离计算语义相似度，并通过softmax函数转化为后验概率。在训练阶段，通过极大似然估计最小化损失函数，使用随机梯度下降使模型收敛。DSSM采用字向量作为输入，可以减少切词的依赖，提高模型泛化能力。缺点是丧失了语序信息和上下文信息，预测结果不可控。