在擁有超過200萬款App 的Google Play Store中，搜尋到想要的App並不是一件很容易的事。Google最近就引入神經網路技術，可根據App名稱與簡介預測主題，幫助使用者找到更相關的App。
負責Play Store的Google工程師Malay Haldar、Matt MacMahon、Neha Jha及 Raj Arasu指出，在每個月湧入Google Play下載App的數十億用戶中，有人是搜尋特定名稱的App，如Snapchat，但有近半數是輸入一個概略的主題進行搜尋，像是「自拍App」或「恐怖遊戲」等。
但是對搜尋引擎來說，主題式搜尋就不只是以查詢字詞來索引App，而需要真正理解與某個app相關的主題。傳統上可以用機器學習來解決，然而這種方法需要先以極大量的字詞來訓練人工智慧。不過在Google Play上，即使是「社交網站」（social networking）這種常見主題也沒有足夠app可資訓練。對Google來說挑戰在於如何在有限的範例下進行訓練，然後推廣到上千個主題及數百萬的App。
為此Google建立一種深度神經網路（deep neural network, DNN），加以訓練後，可以依據App的名稱及敍述字詞預測App的主題。例如當敍述文字中包含「令人害怕」、「恐懼」、「非常嚇人」等字詞，就與「恐怖遊戲」主題建立關聯性。然而這種機器學習的問題是，機器會完全死記這些主題，而無法概括化到沒見過的主題。為此，Google又以模仿人類學習的方法來訓練這套神經網路，教它學習如何運用語言來描述App，例如碰到「相片」就會預測「分享」。在此階段下，這套神經網路系統已能為App加入不同類主題關聯，但成功率僅在常見主題較高，較少見的主題如「自拍」則尚無法勝任。最後，Google再輔以人類訓練員，以強化這套系統的關聯訓練。
Google並未說明目前效果如何，但表示已足以用於Play Store的推薦搜尋上，協助使用者找到高相關性的App。Google同時正在研發Play Store的個人化搜尋技術。