随着互联网技术的发展,每天人们可以从网上接收到的信息越来越多,为了帮助用户更高效的定位到自己感兴趣的信息,降低用户的使用成本,推荐系统在各大平台上已经得到了广泛的应用。同时,广告主为了让自己的商品得到更多的关注,也会选择各平台进行广告投放,而邮箱作为人们日常生活中的一个重要的社交生活场景,也是一个很好的进行广告投放的平台。但是目前的广告邮件投放大多是无差异的,因此,本文针对邮箱使用场景进行了广告邮件个性化精准推荐投放的研究。由于邮箱平台中除了用户的基本信息,还包含着用户丰富的社交行为。考虑到邮件下发的特殊性,本文提出了一种融合发件信息的基于知识图谱的用户建模方法,通过对用户的各子属性进行构建后,结合各属性对邮箱广告点击影响的重要程度进行特征融合,构建较为全面的用户模型来解决当缺少用户广告邮件点击行为时的系统冷启动问题。同时,本文深入挖掘在用户广告邮件点击行为中所反映出的用户兴趣度,并且充分考虑邮件信息量和意外点击行为对用户广告邮件点击行为的影响,结合着用户兴趣度对基础的长短时记忆网络进行优化,提出了一种基于时间信息的长短时记忆神经网络(TB-LSTM)。另外,还通过dropout方法对模型效果进行提升。本文收集并整理了一个覆盖近六万名邮箱用户的数据集,对该数据集进行了多维度的分析,并且基于此数据集对本文所提出的方法的有效性进行了验证。经过实验,可以证明本文所提出的方法相比于原始方法更适用于邮箱的广告邮件推荐场景。