近年来,移动游戏产业发展迅猛,市场竞争日益激烈。在这一趋势下,除了游戏本身的质量外,游戏的精准化推广也变得越来越重要。当前移动游戏联运平台针对平台中已有游戏记录的用户,采用传统的推荐算法进行游戏推荐;对没有游戏记录的用户,只能通过广撒网似的广告宣传进行游戏推广,但收获甚微。本文主要研究跨领域的用户兴趣建模,根据用户在其他应用领域的行为,如广告点击行为,刻画其在游戏领域的兴趣偏好,并应用于潜在游戏用户挖掘和个性化游戏推荐。首先,本文对用户建模所使用的广告数据和游戏数据进行了统计分析,研究了数据产生的背景以及不同领域的用户行为习惯,为跨领域的用户兴趣建模打下基础。其次,本文出了一种粗粒度的跨领域用户兴趣建模方法——基于领域差异性的跨领域用户兴趣建模,并将其应用于潜在游戏用户挖掘,结合具体的应用场景进行了详细介绍。同时,为了最大化用户模型在潜在游戏用户挖掘中的效用,本文针对用户模型中不同类型的特征,采用不同的使用方式,出了基于Modify-GBDT(Gradient Boosting Decision Tree)-LR(Logistic Regression)的潜在游戏用户挖掘算法。实验表明,基于领域差异性的跨领域用户兴趣建模方法能够有效地取具有区分度的用户特征;同时,出的Modify-GBDT-LR算法相比LR算法、GBDT-LR算法也有更好的预测能力。最后,本文出了两种细粒度的跨领域用户兴趣建模方法:基于近邻的跨领域用户兴趣建模和基于LFM(Latent Factor Match)的跨领域用户兴趣建模,并将其应用于个性化手游推荐,结合具体应用场景进行了详细介绍。同时,根据不同的跨领域用户兴趣建模方法,本文出了基于近邻的跨领域游戏推荐算法和基于LFM的跨领域游戏推荐算法。在实际数据集上的实验表明,跨领域用户兴趣建模方法能够有效升个性化游戏推荐的精准度,跨领域游戏推荐算法相比传统的热门游戏推荐算法、基于物品(Item-Based)的推荐算法、基于矩阵分解(Matrix Factorization-Based)算法,具有更好的推荐效果。