随着互联网和电子商务在人们的生活中占据的比重越来越大,人们越来越依赖互联网,从互联网获得的新闻、音乐、视频等信息,充斥着人们每天的生活,人们对网络信息的需求正在不断提高。但是,信息繁荣的背后,是获取有效信息的困难加大,从大数据中得到用户感兴趣的内容、商品、娱乐信息也成了亟待解决的问题。面对此问题,本论文实现了一种基于内容的邮箱广告推荐系统。论文首先建立了数据库和数据字典,即对用户过去的往来邮件和日志文件进行解析,得到用户的关键字存入数据库,同时构建了系统所需要的数据字典。系统提取用户的关键字数据,通过潜在语义索引模型实现特征矩阵的降维,然后在数据集中选取样本放入支持向量机进行训练,得到用户兴趣分类模型。当用户浏览邮件时,系统会根据数据库中该用户关键字的数量判断用户的等级,若其关键字的数量不充足,则通过词向量工具对其进行语料扩展,然后将该用户的特征向量通过分类模型得到用户的兴趣类别,最后采用组合的推荐算法实现对用户的广告推荐,本课题以图书推荐作为广告推荐的示例。其次论文将基于内容的推荐应用在邮箱广告推荐系统中,充分利用了邮箱这一平台,通过挖掘用户的邮件内容、操作记录、联系人等信息数据,作为基于内容推荐的数据来源。同时,本文的推荐算法采用组合加权的方法,将搜索引擎检索和近邻算法的推荐结果相结合,作为展示给用的广告推荐,使得推荐结果更准确。最后,论文实现了一个图书广告推荐系统,实验结果也表明了系统的有效性。