随着网络广告业的飞速发展,广告的投放效率问题越来越成为广告主关注的焦点,在广告精准化需求推动下,定向广告这一新兴的广告投放模式也得到了快速发展,这种广告投放模式以其精准、及时、高效的特点越来越受到人们的青睐。定向广告技术本质上是针对网络广告的个性化推荐技术,通过挖掘用户浏览行为和浏览内容构建用户兴趣特征模型,根据用户兴趣模型投放其感兴趣的广告。本文针对当前互联网广告投放不够精准的问题,提出了一种高效的基于用户浏览行为的定向广告投放算法,算法在抽取用户浏览网页关键词时考虑了不同浏览行为特征对关键词的影响,在特征分析的基础上对传统向量空间模型进行改进,使其能更精确的表达出用户的兴趣。为了缓解基于关键词表示的用户兴趣模型和文本广告之间的语义失配问题,使用语义关联工具对关键词进行扩展,并采用改进的基于中文维基百科分类体系和链接结构的多路径语义相关度算法计算关键词和扩展词的语义相关度,构建类似于贝叶斯网络的结构计算扩展词汇的权重。然后,使用聚类算法对语义扩展后的向量空间模型进行聚类,引入行为因子过滤聚类形成的噪声簇,将向量分布均匀的有效簇表示用户的长期兴趣,将有效簇中向量分布集中且是最近访问的有效簇表示用户的短期兴趣,并定义行为新鲜度和行为离散度概念来定量表示用户短期兴趣和长期兴趣,在此基础上计算聚类形成的每个有效簇的权重,引入滑动时间窗口概念对两种兴趣进行更新。最后,结合有效簇的权重以及该簇的质心与广告的相似度计算广告的得分,并选取得分最高的广告进行投放。