在线广告作为互联网最具利润的商业模式,迅猛发展。展示类广告近几年在在线广告的份额越来越大,尤其是不保证展示(Non-guaranteed Display, NGD)广告,此类广告进行个性化投放能明显的提高经济效益。行为定向广告投放是效果较好的一种,但远没有挖掘完其价值。点击率(Click-through rate, CTR)作为广告效果最常使用的评价指标,广告点击率预测对提升广告投放的收益和用户的体验有至关重要的作用。然而,传统行为定向广告投放,是对用户行为和点击的广告直接进行建模,面临冷启动、数据稀疏,以及模型更新速度慢、广告点击率预测实时性不足等问题。针对上述问题,本文利用广告的文本信息,通过建立用户和广告话题的偏好模型,得到用户和广告的相关特征,用来构建高效的个性化点击率模型,从而减轻数据稀疏和广告点击冷启动的问题。对核心模型训练涉及的分布式的凸优化方法做了比较全面的对比和改进。利用广告的层级类目信息,提出了一种有效的广告预过滤算法减小候选广告集,进而提高广告点击率预测和排序的效率。