クリックスルー率（CTR）の予測はオンライン広告システムにおいて重要な課題である。多くの研究では各広告を独立して扱っているが、CTRに影響を与える可能性のある他の広告との関係性を見落としている。本論文では、対象広告のCTR予測を改善するために様々な種類の補助的な広告を調査する。特に、補助的な広告を空間的視点と時間的視点から探索する。空間的視点では、同じページ上で対象広告の上に表示されるコンテキスト広告を考える。時間的視点では、ユーザーが過去にクリックした広告とクリックしなかった広告を考える。これらの直感に基づき、一緒に表示される広告同士が互いに影響を与え合う可能性があり、クリックされた広告はユーザーの好みを反映し、クリックされなかった広告はユーザーが一定程度嫌うものを示す可能性がある。これらの補助データを効果的に活用するために、我々はCTR予測用のディープ空間時間ニューラルネットワーク（DSTNs）を提案する。我々のモデルは、各タイプの補助データと対象広告との相互作用を学習し、より重要な潜在情報を強調し、異なる種類のデータを統一的なフレームワークで融合することが可能である。1つの公開データセットと2つの産業データセットを使用したオフライン実験では、DSTNsがいくつかの最先端手法よりも優れたCTR予測性能を示していることが確認された。最高性能を達成したDSTNは中国第2位の検索エンジンである神馬検索（Shenma Search）に導入され、A/Bテスト結果によるとオンラインでのCTRも前回使用していたモデルと比較して大幅に向上していることが示された。以上が原文に基づいた日本語訳です。内容や専門用語についてご不明な点がありましたらお知らせください。