在线广告作为互联网最主要的盈利模式之一，支撑着互联网行业的发展。相比传统的线下广告，在线广告可根据人口统计信息等因素精准投送，其效果也可通过相关统计工具衡量出，因而受到各大广告主青睐。纵观在线广告发展史，如何充分利用剩余流量并提高广告主、媒体及用户收益是在线广告目前所要解决的核心问题；作为一个需求驱动的互联网产品，在不同的使用场景下，系统架构及算法选择也各有不同。本文将以充分利用门户网站剩余流量为根本，设计一个简单的精准广告投放系统，系统包含五个模块：Adserver、Sessionlog、Targeting、Adindex及Adexchange；共支持三种广告的推送逻辑：定向广告、相似推荐广告及RTB广告，涵盖了精准广告系统的大部分核心模块。为解决定向广告检索问题及长Query广告匹配问题，系统将选择DNF及Weak AND作为广告检索模块的核心算法，并使用流归并的方法，针对广告条件属性多样化及用户标签属性多样化，对DNF算法做两部分改进，从而更好地解决门户网站计算广告的核心问题，即在不同的页面，为不同的用户投放广告，优化整体投入产出比。本文最大的独创性在于对DNF算法的改进，使用流归并的方法，解决了用户标签属性的多值“与”关系检索，以及广告条件属性的多值“与”关系索引建立；且两部分改进可以无冲突地使用于同一系统中，极大的方便了广告主对定向广告条件的设定。