随着网络广告的不断发展，其市场规模迅速增大，在企业市场营销中所占比重也日益增大，随之人们对网络广告也产生了越来越高的要求。传统的人口统计学定向方法已经显得非常不足了，市场是由个性鲜明的人组成，我们不能仅仅通过其人口统计学属性就判断某人是否对某事物感兴趣，更何况每个人的兴趣和爱好也会因时间、地点和场景的不同而发生改变。 网络广告的个性化定向技术是一项非常有前途和挑战性的前沿研究，它致力于将网络广告在正确的时间、正确的场景下，以正确的方式，将网络广告定向呈现给正确的受众，即最应该看到该广告的用户，和最想看到该广告的用户，从而提高网络广告平台的效率，增强网络广告的效果，这对今天处于短生命周期、高度复杂和竞争的商业环境中的企业来说，具有非常重要的价值。正确的时间和场景，要求能够了解用户当前的兴趣和偏好，而不只是利用历史上久远的用户信息；正确的方式，一方面是指建立恰当的系统体系结构，满足网络广告的个性化，另一方面是指符合法律的要求，不侵犯用户隐私权和违背相关法律；正确的用户要求我们能够很好的了解网站上的用户，这需要建立恰当的用户模型。 本文提出一种基于用户行为的网络广告定向方法(Smart Targeting，ST)来满足这种需求，从用户行为数据收集、内容模型和用户行为模式的建立、当前用户模型的维护、用户一模式匹配、个性化定向方法五个方面进行研究，使用Web数据挖掘技术抽取Web页面内容，对用户的历史会话数据、以及用户当前会话中的行为进行跟踪和挖掘，在充分尊重用户隐私的情况下，来实现网络广告的自动个性化，并且设计了接口可以添加某些广告规则，来对个性化定制系统进行控制。Web内容挖掘和Web使用挖掘技术都被应用在ST系统中，前者用来发掘用户最适合的内容，后者用来判断用户点击某对象的可能性，广告规则用来人为设定系统控制参数，这些因素一起来决定最适合当前会话中用户兴趣和偏好的广告，最终完成匿名用户的个性化广告的传送。相关信息的挖掘和规则的整合通过统一的向量空间模型实现。 本文研究得到了“复旦大学第六批研究生创新基金”的资助，项目研究突破了以前在系统设计和方法上的不足，希望本文的研究能够为我国网络广告行业提供有价值的参考。