İnternetin büyük veri çağının ortaya çıkmasıyla birlikte, öneri sistemi bilgi seçiminde sıcak bir araştırma konusu haline gelmiştir. Bu makale, e-ticaret ürün reklamı önerisinde derin öğrenme ve dağıtılmış ifade teknolojisinin uygulanmasını inceler. Bu makalede, öncelikle, reklamın anlamsal seviyesinden, reklamın tema dağılımına dayalı bir benzerlik ağı oluşturduktan sonra, reklam tıklama oranı tahmini için derin bir öğrenme modeli çerçevesi oluşturuyoruz. Son olarak, tekrarlayan sinir ağına ve dağıtılmış ifadeye dayanan geliştirilmiş bir öneri algoritması öneriyoruz. Öneri algoritmasının özelliğini hedefleyen bu makale, geleneksel tekrarlayan sinir ağını geliştirir ve tekrarlayan sinir ağının gizli katman veri aktarımını kontrol etmek için bir zaman penceresi sunar. Deneysel sonuçlar, zaman penceresine dayanan gelişmiş tekrarlayan sinir ağı modelinin, öneri sisteminin doğruluğunda geleneksel tekrarlayan sinir ağı modelinden daha üstün olduğunu göstermektedir. Hesaplamanın karmaşıklığı azaltılır ve öneri sisteminin doğruluğu artırılır.