互联网的飞速发展带动了全球经济的高速膨胀,同时也促进了广告市场的新一轮竞争。互联网时代的广告既要具备传播效应强、传播范围广等传统广告的基本特征,更应该反映大数据时代通过数据挖掘和知识发现所展现出的精准推送、精准营销的智能特征。广告投放的好坏直接影响产品的营销效果,如何更精准的投放广告是当前急需研究的问题。现阶段的网络定向广告研究可以分为两类,一类是基于用户行为的网络定向广告,另一类是基于内容分析的网络定向广告,两者在一定程度上提升了网络广告投放的精准度,但是都存在一些问题:①基于用户行为的网络定向广告以用户行为为准则,但是并没有考虑到用户内容、广告文本对广告投放的影响,同时还缺乏对用户的多维度刻画,精准度较差;②基于内容的网络定向广告考虑的维度局限在用户内容上,缺乏对用户动态行为特征的揭示与偏好分析,精准度比用户行为更低。因而,现有的网络定向广告应用,无论从投放对象,还是从投放时间等方面都难以达到网络广告商的心理预期,更难以捕获用户的“芳心”。本文则以上述问题作为研究突破点,首先,针对用户多维度刻画的要求提出了基于K-means聚类算法的用户画像模型,用户画像作为一种精准勾画目标用户、锁定用户需求的有效工具,它将用户的各种属性、行为联结起来对用户进行描述,从而多维度精准描述用户特征。还将用户特征划分为静态用户特征和动态用户特征,完善了用户特征揭示的主题刻画维度,为后续构造用户特征向量提供了依据。在此基础上引入层次分析法计算用户特征权重,也使得用户特征向量权重更加精准;其次,针对文本广告问题,也引入了广告描述维度,从多维度刻画广告的主题特征,保证广告描述的精准度。同时对传统TF-IDF算法进行语义化改造,更精准的计算广告特征权重;最后,在保证用户和广告特征向量权重的精准度之后,本文采用向量空间模型的相关度匹配算法对用户和广告进行相关度匹配处理,将相关度作为广告精准投放的依据。在实证研究中,本文将新浪微博用户作为实证对象,使用本文提出的用户画像模型对微博用户进行用户画像,同时还使用改进的TF-IDF算法计算广告特征向量权重,在得到用户和广告的特征向量之后,利用向量空间模型计算用户和广告之间的相关度,进行网络定向广告的投放。研究表明,本文所提出的方法能较好的提升用户和广告的匹配度,提高营销效率。