随着互联网技术的高速发展以及互联网用户群体的日益庞大,在线广告已经成为了各大互联网公司的重要盈利方式。面向搜索引擎的在线广告,即搜索广告,是其中规模最大、增长最为迅速的广告形式。其主要目的是研究如何有效管理由搜索行为触发的广告投放,希望通过分析用户的查询意图来建立广告和用户之间的最优匹配,同时保证搜索引擎及广告主的利益,实现三方共赢。搜索引擎拥有大量的用户数据和流量,互联网公司迫切地希望将这些数据流量转化为实际的商业利益。然而目前业界并没有开源的面向搜索引擎的在线广告系统,许多网站的搜索流量难以进行变现。搜索广告中一项非常核心的技术是广告的点击率预估算法,点击率预估模型的效果会给用户体验以及搜索引擎和广告主的收益带来极大影响。本文针对上述需求,设计并实现了一套面向搜索引擎的在线广告系统,并对关键的点击率预估算法进行了研究。本文的主要工作如下:(1)针对搜索广告的产品特点,对面向搜索引擎的在线广告系统的功能性和非功能性需求进行了深入分析。然后结合面向搜索引擎的在线广告系统的需求和关键技术,对系统的整体架构设计及系统中各个模块的设计与实现进行了详细的阐述。本文最后对各个模块的功能与性能进行了测试,验证了该系统的可用性。系统模块包括Web服务,广告管理、查询处理,广告检索,广告排序和日志收集与处理。(2)深入分析了基于因子分解机的神经网络点击率预估模型的不足之处,提出了一种搜索广告场景下的点击率预估模型优化方案,通过更好的挖掘连续和文本类型的特征,提升预测的效果。对比实验结果表明,本文提出的基于因子分解机的神经网络点击率预估模型优化方案,在搜索广告场景下能有效提升点击率预估的效果。