随着互联网的迅猛发展和移动互联网的广泛覆盖,网络已成为公众获取信息的重要渠道之一,近年来,网络信息平台都纷纷推出个性化推荐服务,广告作为营收主体也不例外,各大公司都对广告业务进行了很多个性化的尝试和探索。当前广告的个性化推送研究多在信息流场景下,针对邮箱这一场景的研究较少。邮箱在众多网络应用中是出现最早、覆盖最广的服务,每位使用网络的用户都会拥有至少一个或多个电子邮箱,因此,针对邮箱平台的广告个性化精准投递研究是十分必要并且具备实用价值的。本文的研究内容就是基于邮箱平台,同时结合当前的热点技术——深度学习,对广告的个性化精准投递进行了系统的研究和实现,为广告业务的个性化推荐问题提出了一个切实可行的思路和提升算法。本文的主要工作有以下几点:(1)建立基于主题兴趣的邮箱用户兴趣画像。除了常规的用户个人信息和行为信息这两项特征外,还提出使用LDA主题模型对用户的个人往来邮件进行主题提取后,将这些主题兴趣加入用户兴趣画像,补充了邮箱用户兴趣点来源少的短板。(2)提出基于用户兴趣画像的UIP-DeepFM算法。该算法基于前文建立的丰富的用户兴趣画像,采用因子分解机和深度神经网络并行结构,共享输入,使得算法运行起来更加高效。因子分解机部分负责对一阶和二阶特征进行有效的组合学习,深度神经网络部分负责对高阶特征进行深入的挖掘提取。最后输出点击率的预测值。(3)搭建一个智能化的邮箱广告精准投递系统,包括发送速率调节、省投递量调节、以及目标用户选择三大模块。因公开数据集少有邮箱场景,因此本文自建了用于实验测试的数据集,数据来源于国内某邮箱的真实用户数据,对其进行筛选、清洗等预处理后得到训练集和测试集。最后通过实验结果分析证实了该系统对邮箱场景下的广告推荐具有很好的表现和应用价值。